MLOps / ML-инженер

Описание вакансии

Компания

Мы — крупная и динамично развивающаяся финтех-компания, работающая с большими объемами данных.

Ищем MLOps-инженера с сильной DS-насмотренностью, который понимает жизненный цикл моделей, говорит с дата-сайентистами на одном языке и при этом способен руками развернуть компонент в Kubernetes и настроить его мониторинг.

У нас большая свобода в выборе инструментов и огромный бэклог развития — вы попадете в момент, когда платформа еще не устоялась, и сможете повлиять на ее архитектуру.

Направление

Строим одну из самых гибких и всеобъемлющих ML-платформ на рынке. На данный момент в ней уже есть 3-4 подсистемы, и мы активно их развиваем.

Ключевая особенность платформы в том, что она способна инференсить модели всех существующих классов: от классического ML и нейросетей до больших языковых моделей (LLM) и уникальной технологии федеративного обучения.

Стэк

Платформа базируется на Kubernetes.
Платформа для DS: JupyterHub, Airflow, Feast (feature store).
Управление Lifecycle: MLflow.
Инференс: KServe, Triton Inference Server, CUDA, TensorFlow Runtime.
Хранилище данных: Hadoop, Greenplum, S3, PostgreSQL.
Observability: Prometheus, Grafana, Opensearch, Apache Superset.
CI/CD и Безопасность: Bamboo, Keycloak.

Спектр задач

В отличие от чистого DevOps или чистого DS, ваша роль будет гибридной. В команде уже есть сильный инженер с DevOps-уклоном, теперь нам нужен человек с экспертизой в моделях, чтобы восстановить баланс.

Сопровождение E2E для модельных артефактов на всех этапах жизненного цикла: от эксперимента до продакшена и мониторинга.
Организация инференса моделей. В ближайших планах — реализация инференса для ансамбля нейросетей. Это включает выбор оптимального решения и его внедрение.
Доработка Observability всей платформы: настройка сбора метрик, настройка централизованного сбора и анализа логов, настройка алертинга.
Участие в R&D-активностях. Работа с федеративным обучением и другими инновационными направлениями по мере их появления в бэклоге.
Разработка CI\CD для ML-моделей и признаков, автоматизация выкатки сервисов и компонентов платформы.
Внедрения моделей с использованием различных Model Runtime Services в онлайн и пакетном режиме.
Развитие и поддержка инструментов тестирования моделей.
Поддержка и развитие инфраструктуры: работа с Kubernetes для раскатки и поддержки компонентов в режиме высокой доступности.

Что ожидаем от вас

Опыт работы в MLOps или смежной роли (DS, перешедший в MLOps) от 3-х лет.
Понимание жизненного цикла моделей и насмотренность в различных типах ML-моделей (от классики до нейросетей).
Умение писать и читать код на Python.
Понимание концепций Observability (метрики, логи, алерты).
Опыт автоматизации выкатки моделей в прод.
Опыт внедрения и развертывания компонентов на инфраструктуре (понимание Kubernetes, CI/CD).

Что готовы предложить

Роль с реальным влиянием. Вы не просто сопровождаете готовое решение, а участвуете в формировании архитектуры платформы на этапе её активного роста.
Уникальный опыт работы с федеративным обучением.
Сбалансированные задачи. Мы не требуем быть гуру DevOps, достаточно базового понимания (K8s, CI/CD, observability), чтобы эффективно взаимодействовать с инфраструктурой и доращивать компетенции в процессе.
Система мотивации: фиксированный ежемесячный оклад + годовой бонус (10% от годового дохода, завязан на KPI/SLA).
Оформление по ТК РФ. Компания входит в реестр аккредитованных ИТ-компаний.
Удаленный формат работы. Офис расположен в г. Москва.
ДМС со стоматологией (с 1 рабочего дня + полис путешественника).
Частичная компенсация фитнеса / обучения / доп. мед. услуг (лимит – 25 тыс. рублей в год) – в том числе, распространяется на детей.
Дополнительные дни к ежегодному отпуску (всего 31 день в году).
Современное оборудование (техника Windows, Lenovo ThinkPad).