Специалист по науке о данных MLOPs (ML-инженер, продуктивизация) Локация: РФ Рейт: 2100 р/ч ❗️Рассматриваются только кандидаты, с которыми у вас есть действующий договор ( ТК РФ, ИП, ГПХ) ❗️РЫНОК НЕЛЬЗЯ ( преоффер тоже)

О проекте: Разработка внутренней корпоративной ИИ-платформы для автоматизации процессов, поддержки сотрудников и повышения эффективности взаимодействия с данными. В задачи проекта входит создание удобных пользовательских интерфейсов (чат-ассистенты, RAG-поиск, генерация текстов и изображений), сервисов для создания ИИ продуктов, в том числе агентов, интеграция с существующими системами компании и обеспечение контроля и мониторинга использования модели.

Обязанности: • Развертывание и поддержка LLM-платформы в Kubernetes (Helm, Terraform, K8s Operators) • Настройка CI/CD для ML/AI сервисов (обучение, inference, data pipelines) • Автоматизация ML workflow в Kubeflow • Настройка и поддержка мониторинга моделей (latency, drift, cost metrics) • Управление пайплайнами данных для обучения и inference (Kafka, DataLake, объектное хранилище S3, векторные БД) • Оптимизация работы GPU-кластера (распределённое обучение, эффективное использование ресурсов) • Обеспечение безопасности и комплаенса: изоляция сред, контроль доступа, логирование

Требования: • Опыт работы с Kubernetes и облачными/on-prem кластерами • Знание Python и инструментов ML Ops (Kubeflow, Airflow) • Опыт настройки CI/CD (Jenkins) • Опыт работы с системами хранения и векторными БД (Weaviate/Qdrant/PGVector) • Знания в области мониторинга и логирования (Prometheus, Grafana, ELK, OpenTelemetry) • Понимание принципов работы LLM/GenAI и RAG-систем будет плюсом

ВНИМАНИЕ❗️ДЛЯ ПОДАЧИ❗️ ❕ФИО ❕Локация ❕Рейт ❕Формат сотрудничества с кандидатом ❕Сроки старта на проект ❕Чем подтверждается опыт, указанный в резюме (весь опыт за весь период работы), и готовность предоставить заявленные документы по итогу успешного прохождения интервью с клиентом

@olesia_pozdneeva