MLOps Engineer / ML Platform Engineer

04 Апреля

Партнерские Вакансии

Компания "Аспирити"

О проекте

Aspirity — студия веб- и мобильной разработки из Сибири, специализирующаяся на создании программных решений для международных стартапов и крупных компаний.

Среди клиентов — технологические компании Кремниевой долины, такие как Shoreline и Pinecone, а также лидеры рынков России, Европы и Азии: РУСАЛ, NGenix и Schibsted.

Мы развиваем направление outstaff-сотрудничества и формируем команды, которые работают в продуктах клиентов, оставаясь частью инженерной культуры Aspirity.

Задачи

• Развертывание и поддержка ML-инфраструктуры
• Администрирование Kubernetes-кластеров для ML/AI задач
• Построение и поддержка CI/CD пайплайнов
• Настройка MLflow и Kubeflow (обучение, трекинг, деплой)
• Организация хранения данных и моделей (S3, MinIO)
• Настройка мониторинга и логирования (Prometheus, Grafana, ELK/EFK)
• Автоматизация процессов (Python, Bash)
• Поддержка ML-команд (инференс, деплой моделей, пайплайны)
• Работа с контейнеризацией и оркестрацией (Docker, Kubernetes, Helm)

Требования (must-have)

• Linux — уверенное администрирование
• Сетевые технологии — модель OSI, TCP/IP
• Docker — контейнеризация
• Kubernetes (K8s) — администрирование кластеров
• Helm — управление чартами
• Python — автоматизация, скрипты, сервисы
• Bash — скриптинг
• CI/CD — GitLab CI / Jenkins, Git
• MLflow — lifecycle моделей
• Kubeflow — пайплайны обучения и инференса
• Мониторинг — Prometheus, Grafana, ELK/EFK
• Хранилища — S3 (MinIO / AWS S3)
• СУБД — базовый опыт SQL/NoSQL
• Документация — умение писать и поддерживать

Очень желательно (should-have)

• GPU / инференс — оптимизация (vLLM, Triton, TensorRT, ONNX)
• Apache Airflow — оркестрация пайплайнов
• Seldon / KServe — сервинг моделей
• DVC — версионирование данных и моделей
• Kafka / RabbitMQ — потоковая обработка
• Terraform / Ansible — Infrastructure as Code
• Облачные платформы — AWS (SageMaker), Azure, GCP
• Опыт работы с LLM в production

Будет плюсом (nice-to-have)

• OpenShift, Deckhouse Kubernetes Platform (DKP)
• Векторные БД (Qdrant, Weaviate, PGVector, Milvus, Faiss)
• RAG-пайплайны
• A/B тестирование ML-моделей
• Feature Store, AutoML
• ML-библиотеки (PyTorch, TensorFlow, scikit-learn) — базовое понимание
• DevSecOps, управление секретами
• Golang

Условия

• Удалённая работа
• Оформление: ТК / ИП / самозанятость
• Современный стек и сильная инженерная команда
• Минимум бюрократии, быстрые решения без лишних согласований
• Возможности для профессионального роста