DevOps-инженер

1. Участвовать в развёртывании и эксплуатации ML‑сервисов:

• упаковывать модели и inference‑сервисы в Docker‑контейнеры (по готовым шаблонам);
• помогать в оркестрации сервисов в Kubernetes (базовые операции);
• поддерживать готовые решения для запуска LLM‑инференса (vLLM и аналоги).

2. Помогать в проектировании и поддержке CI/CD‑процессов:

• автоматизировать сборку и деплой сервисов с использованием GitLab CI или Jenkins (по готовым пайплайнам);
• участвовать в настройке multi‑stage pipeline’ов (dev → staging → prod) и rollback‑механизмов.

3. Участвовать в настройке систем observability:

• помогать во внедрении мониторинга метрик (Prometheus + Grafana);
• собирать логи и трейсы (OpenTelemetry или аналоги);
• настраивать базовые алертинги под руководством старших инженеров.

4. Развёртывать и поддерживать API‑сервисы для ML:

• разворачивать inference‑эндпоинты на базе FastAPI/Flask (по готовым конфигурациям);
• обеспечивать базовую отказоустойчивость и масштабируемость.

5. Взаимодействовать с кросс‑функциональными командами:

• работать с Data Scientists и ML‑инженерами для внедрения MLOps‑практик;
• участвовать в обсуждении архитектурных решений.

6. При необходимости помогать в оптимизации инфраструктуры под требования LLM:

• выполнять базовые настройки GPU‑ресурсов;
• мониторить latency и throughput inference‑сервисов.

Мы ожидаем:​​​​​​​

1. Опыт работы в роли DevOps или MLOps‑инженера — от 1,5 лет, включая работу с production‑системами.

2. Уверенное владение Docker:

• умение писать простые Dockerfile;
• понимание концепции слоёв и multi‑stage сборок;
• работа с образами и репозиториями.

3. Базовые навыки работы с Kubernetes:

• создание манифестов для Deployments и Services;
• настройка ConfigMaps и Secrets;
• понимание принципов масштабирования и rolling updates.

4. Опыт настройки систем мониторинга:

• работа с Prometheus и Grafana (сбор базовых метрик);
• знакомство с OpenTelemetry или аналогами (сбор логов и трейсов).

5. Понимание принципов CI/CD:

• опыт работы с GitLab CI или GitHub Actions (настройка простых пайплайнов);
• знание концепций multi‑stage деплоя и rollback.

6. Практические навыки работы с Python:

• написание скриптов автоматизации;
• взаимодействие с API;
• поддержка простых backend‑сервисов (FastAPI/Flask).

• Опыт развёртывания LLM‑инференса (работа с vLLM или аналогами).
• Знакомство с системами аутентификации (OAuth2, JWT).
• Опыт работы с Ingress‑контроллерами (Nginx, Traefik).
• Понимание работы с persistent storage (PV/PVC) в Kubernetes.
• Участие в pet‑проектах или open‑source, связанных с DevOps/MLOps.
• Знание основ работы с GPU в Kubernetes.