DevOps Engineer / MLOps (в офис)

Описание

Обязанности:

Проектирование и построение ML/AI инфраструктуры:

Создание и поддержка архитектуры для разработки, обучения и эксплуатации ИИ-моделей

Проектирование и внедрение MLOps-платформы для управления жизненным циклом ML-моделей

Настройка окружений для разработки, тестирования и продакшена ИИ-решений

Организация инфраструктуры для работы с LLM (Large Language Models) и векторными базами данных

Обеспечение возможности работы с GPU-ресурсами для обучения и инференса моделей

CI/CD и автоматизация

Разработка и внедрение CI/CD пайплайнов для ИИ-решений и микросервисов

Автоматизация процессов сборки, тестирования и развертывания приложений

Настройка версионирования моделей, данных и артефактов

Создание инструментов для автоматизированного мониторинга качества моделей (model drift detection).

Подбор и настройка инструментов для автоматизации рутинных операций

Контейнеризация и оркестрация:

Проектирование и внедрение решений на базе контейнерных окружений

Развертывание и администрирование Kubernetes-кластеров

Создание Helm-чартов для стандартизации развертывания приложений (опционально)

Настройка масштабирования сервисов в зависимости от событий и метрик производительности

Оптимизация использования ресурсов контейнеров

Мониторинг и обеспечение надежности:

Внедрение систем мониторинга инфраструктуры и приложений (Prometheus, Grafana, ELK Stack)

Настройка алертинга и систем оповещения о критических событиях

Мониторинг производительности ИИ-моделей в продакшене

Обеспечение высокой доступности (HA) критичных сервисов

Разработка и тестирование процедур disaster recovery

Проведение анализа инцидентов и внедрение мер по их предотвращению

Безопасность и соответствие требованиям:

Внедрение практик DevSecOps на всех этапах разработки

Обеспечение безопасности контейнеров и образов

Настройка сетевой безопасности и политик доступа

Аудит безопасности инфраструктуры и устранение уязвимостей

Обеспечение соответствия требованиям по защите данных

Масштабирование и оптимизация:

Планирование и реализация стратегии масштабирования инфраструктуры

Оптимизация использования вычислительных ресурсов и затрат на облачную инфраструктуру

Проведение нагрузочного тестирования и capacity planning

Помощь в оптимизации производительности приложений и баз данных

Внедрение кэширования и CDN для ускорения работы сервисов

Стандартизация и документирование:

Разработка и внедрение стандартов DevOps-практик для команды

Создание и поддержка Infrastructure as Code (IaC) с использованием Terraform, Kustomization, Helm,

Документирование архитектуры, процессов и процедур

Создание runbook'ов для типовых операционных задач

Разработка best practices для разработчиков по работе с инфраструктурой

Взаимодействие и менторинг:

Тесное сотрудничество с командами разработки (AI/ML Engineers, Data Engineers)

Консультирование разработчиков по вопросам инфраструктуры и деплоя

Участие в архитектурных сессиях и технических ревью

Обучение команды современным практикам взаимодействия с инфраструктурой

Организация knowledge sharing сессий

Обязательные:

Контейнеризация и оркестрация: практический опыт администрирования Kubernetes (3+ года)

CI/CD: опыт построения пайплайнов в GitLab CI/CD, Jenkins, GitHub Actions или аналогах

Infrastructure as Code: уверенное владение Terraform, Helm, Kustomization

Облачные платформы: практический опыт работы с AWS, Azure, Yandex Cloud или аналогичными облачными провайдерами

Автоматизация: уверенное владение актуальными средствами автоматизации Bash, preHooks etc

Мониторинг: опыт настройки актуальных систем мониторинга (ELK EFK Loki, Grafana, OpenTelemetry, Prometheus etc)

Системное администрирование: глубокое знание Linux

Сетевые технологии: понимание TCP/IP, DNS, Load Balancing, Reverse Proxy. Так же плюсом будет знание BGP и Service Mesh

Версионирование: продвинутое владение Git, Git Flow

Базы данных: опыт администрирования Clickhouse, PostgreSQL, NoSQL KeyValue (Valkey, Dragonfly, Redis etc), , понимание репликации и backup-стратегий

Желательно (будет плюсом):

MLOps: опыт работы с MLflow, Kubeflow, Airflow для ML-пайплайнов

Service Mesh: знание Istio, Linkerd

Безопасность: опыт работы с HashiCorp Vault, настройка RBAC, Network Policies

Observability: опыт с Jaeger, OpenTelemetry для distributed tracing

GitOps: знание ArgoCD, Flux

Serverless: опыт работы с AWS Lambda, Knative

GPU-инфраструктура: опыт настройки CUDA, nvidia-docker для ML-задач, NVIDIA Operator k8s

Векторные БД: опыт развертывания Qdrant, Milvus, Weaviate

Message Brokers: опыт работы с Kafka, RabbitMQ, NATS

• Офис находится : г. Москва, наб. Пресненская, д.10 (Москва-Сити);

• График работы: пятидневная рабочая неделя с понедельника по пятницу , выходные: суббота, воскресенье;

• Период испытательного срока: 3 месяца;

• ДМС;

• Годовой бонус;

• Профессиональное обучение и развитие;

• Возможность реализовать свой потенциал и построить карьеру.

• Конкурентоспособный уровень заработной платы.

• Участие в интересных и масштабных проектах.