MLOps-инженер (Middle)

Проект:
Развитие и сопровождение ML-инфраструктуры

Условия:
Локация специалиста: Россия
Допустимый часовой пояс: МСК
Важно: обязательное трудоустройство к заказчику на 1/40 ставки

Позиция:
Роль: MLOps-инженер
Уровень: Middle
Количество: 2

• Глубокое владение Python от 3 лет
• Понимание принципов написания production-ready кода
• Опыт работы с контейнеризацией (Docker)
• Опыт работы с оркестрацией (Kubernetes) для развертывания ML-моделей
• Уверенное владение Apache Airflow для оркестрации ML-пайплайнов
• Понимание построения CI/CD пайплайнов для ML-решений
• Опыт работы с:
• GitLab CI
• GitHub Actions
• Навыки работы с системами мониторинга
• Опыт работы с:
• Prometheus
• Grafana
• Навыки работы с централизованным логированием

Технологический стек:
Оркестрация:

• Apache Airflow

Контейнеризация:

• Docker
• Kubernetes

CI/CD:

• сфера CI/CD

Мониторинг:

• Prometheus
• Grafana
• ELK Stack

БД:

• Postgres
• OpenSearch

Данные:

• S3 / MinIO
• HDFS

Языки и фреймворки:

• Python
• CatBoost
• scikit-learn
• PyTorch
• Keras
• FastAPI
• Apache Kafka
• Apache Spark

Задачи на проекте:

• Контейнеризация ML-моделей с использованием Docker и развертывание в Kubernetes-кластерах
• Настройка и управление оркестрацией ML-пайплайнов через Apache Airflow
• Обеспечение масштабируемости и отказоустойчивости ML-сервисов в on-premise средах
• Подключение сервисов к системам мониторинга и журналирования
• Анализ и устранение инцидентов в работе ML-сервисов на третьей линии поддержки
• Оптимизация использования вычислительных ресурсов
• Настройка автомасштабирования рабочих нагрузок
• Разработка интеграций между ML-сервисами через REST API и системы обмена сообщениями (Kafka)
• Создание автоматизированных пайплайнов для обработки данных, feature engineering и тестирования моделей
• Внедрение подходов Infrastructure as Code для управления ML-инфраструктурой

Важно по резюме:
Резюме кандидата должно отражать:

• чем кандидат занимался на каждом проекте
• какие навыки, технологии и программы использовал
• опыт работы с Python / Docker / Kubernetes / Apache Airflow / CI/CD / Prometheus / Grafana / ELK
• опыт работы с ML-инфраструктурой
• опыт контейнеризации и деплоя ML-моделей
• опыт работы с Kafka / Spark / FastAPI / S3 / HDFS / Postgres / OpenSearch
• опыт настройки мониторинга, логирования, масштабирования и отказоустойчивости
• подробное описание роли, задач и применяемых технологий на каждом проекте

Вопросы и предложения ➡️ @Pro_test_Studi. Указать 🆔 запроса.