MLOps инженер

• Создание золотого образа под GPU-серверы/облачные GPU решения.
• Разработка набора автопроверок: функциональные тесты (установка/инициализация/видимость GPU), smoke/health тесты, регрессия.
• Нагрузочные тесты/бенчмарки, сбор метрик/Автоматизация жизненного цикла продукта.
• Поддержка пилотов у заказчиков: подготовка стенда, диагностика, рекомендации по настройкам.
• Оформление результатов: отчеты по тестированию, матрицы совместимости

Опыт работы:

• 3+ года в DevOps/SRE/MLOps/Platform Engineering
• Практический опыт эксплуатации Kubernetes-кластера
• Опыт работы с GPU-окружениями и библиотеками (как минимум NVIDIA-стек)
• Опыт подготовки воспроизводимых окружений: образы ОС/контейнеры, IaC, автоматизация развертываний
• Опыт сопровождения ML-пайплайна на PyTorch
• Желателен опыт поддержки клиентов/пилотов (PoC), разбор инцидентов, сбор требований, выпуск фиксов/релизов, ведение матрицы совместимости

Знания и навыки (минимальные):

• Linux (сильный troubleshooting: systemd, сети, storage, kernel modules, права/SELinux
• Kubernetes: базовая эксплуатация, namespaces/RBAC, daemonset (для node-level агентов), scheduling
• CRI-O + Podman
• CI/CD и Git
• Автоматизация: Bash + Python , Ansible (или аналог)
• Понимание программного стека GPU решени.

Знания и навыки (желательные):

• NVIDIA-экосистема: CUDA, NCCL, NVML/DCGM, NVIDIA Container Toolkit, MIG
• Inference/serving: Triton Inference Server, TensorRT, vLLM/llama.cpp, KServe/Seldon
• Kubernetes : CNI/CSI, admission controllers, Helm/Kustomize, operators, cluster upgrades
• IaC: Terraform, Packer, cloud-init
• Мониторинг: Prometheus, Grafana, Loki/ELK, OpenTelemetry, алертинг и SLO/SLI
• Нагрузочное/функциональное тестирование: pytest, locust/k6
• Виртуализация/облака: OpenStack/VMware, понимание SR-IOV
• PyTorch Distributed (DDP) / multi-GPU: понимание базовых принципов и типовых проблем запуска
• Опыт работы с Astra Linux/РЕД ОС/ALT

Требования к личным качествам:

• Системное мышление, аккуратность
• Самостоятельность: способность развернуть стенд, зафиксировать гипотезы, провести диагностику, оформить результаты
• Коммуникабельность
• Ответственность за результат, стрессоустойчивость
• Готовность быстро изучать незнакомый вендорский стек

Знание стека:

• ОС: Linux (Ubuntu/Debian/CentOS-like; желательно Astra/РЕД ОС)
• Контейнеризация: Docker/Containerd, Helm
• K8s: Kubernetes (vanilla/managed), базовые практики эксплуатации GPU-нод
• CI/CD: Git, GitLab CI/Jenkins
• Automation/IaC: Ansible, Terraform (желательно), Packer/cloud-init (желательно)
• Monitoring/Logs: Prometheus, Grafana, Loki/ELK
• GPU: базовое понимание драйверов, device plugins, GPU diagnostics
• ML Framework: PyTorch