MLOps инженер — свежие вакансии
Обновляется каждый час. Найдено: 31 вакансия за последнюю неделю.
- Вакансий за неделю:
- 31
- Медиана:
- 379 963 ₽
- Вилка:
- 279 375 ₽ — 424 250 ₽
Зарплаты — по 36 вакансиям с указанной вилкой за 30 дней
Поиск вакансий
HireSeeker — агрегатор вакансий. Собираем вакансии со всех основных площадок и показываем по вашей специальности. Подпишитесь на ежедневную подборку только релевантных.
#вакансия #ml #удалённо
Team Lead ML Engineer (Gen AI)
Формат работы: удалённо
Уровень навыков: Senior, Lead
З/П: 4.500$
Мы - уникальный продукт в сфере AI-технологий, который стремительно растет и работает с пользователями по всему миру. Уже 5 лет мы создаем, тестируем, развиваемся и не собираемся останавливаться.
Сейчас ищем активных, талантливых и амбициозных ребят, которым интересно не просто выполнять задачи, а влиять на результат, пробовать новое и расти вместе с продуктом. Хотим собрать еще более сильную команду людей, с которыми сможем выйти на новый уровень.
Мы ищем Лида ML-отдела, который:
- Сможет реформировать и развивать команду ML/MLops, вместе с промпт инженерами.
- Структуризирует и автоматизирует все требующие того процессы.
- Разбирается в особенностях генеративного контента на self-host решениях.
- Оптимизирует генеративные пайплайны для сокращения расходов отдела.
- Будет самолично ставить продуктовые цели и вести отдел на острие технологий, методологий и трендов для их достижения.
Что нужно уметь/знать:
- Опыт работы в ML/AI от 3 лет;
- Опыт руководства командой — умение ставить задачи, распределять нагрузку, проводить ревью и развивать сотрудников;
- Опыт выстраивания процессов разработки: планирование, декомпозиция задач, код-ревью, контроль качества и сроков;
- Опыт работы с ComfyUI и собственными workflow, уверенный Python на уровне скриптов и API;
- Готовность работать с Wan 2.2, i2v, LoRA и генеративными пайплайнами;
- Умение получать рабочий результат с помощью AI-агентов и проверять его качество;
- Готовность самостоятельно разбираться в новых этапах процесса и отвечать за задачу целиком;
- Портфолио или репозиторий с примерами работ и разбором решений.
Что делать:
- Вести задачу целиком — от запроса продукта до оценки результата после релиза;
- Управлять командой: ставить задачи, контролировать прогресс, помогать в сложных кейсах, проводить one-to-one и ревью;
- Участвовать в найме и онбординге новых инженеров, помогать им быстрее выходить на результат;
- Выстраивать и улучшать процессы внутри команды: стандарты, шаблоны, документация;
- Работать с LoRA: подбирать, тестировать и при необходимости обучать модели;
- Самостоятельно разворачивать staging, включая нестандартные ноды, и поддерживать его паритет с production;
- Создавать и дорабатывать промпты и workflow в , проводить тестовые генерации и сверять результат с эталоном;
- Готовить превью, карточки и выкладывать готовый контент;
- Автоматизировать рутинные процессы с помощью AI-агентов;
- Контролировать метрики своих позиций, проводить эксперименты и принимать решения по их результатам.
Мы предлагаем:
- Работу с уникальными и технически сложными AI-проектами.
- Реальное влияние на развитие ML-продуктов и команды.
- Коллектив фанатов своего дела.
- Гибкий график и удалённый формат работы.
- Среду, где решения принимаются на основе экспертизы и Data-driven подхода, а не «потому что так решили».
- З/П: 4.500$.
Контакты:
••••••••
ОБЯЗАТЕЛЬНЫМ УСЛОВИЕМ ЯВЛЯЕТСЯ РЕЛОКАЦИЯ В РЕСПУБЛИКУ ТАТАРСТАН (ЕЛАБУГА)
Обязанности:
- развёртывание и настройка сетевой связи между рабочей сетью и облаком: VPN-туннель (WireGuard/IPsec), ограничение доступа по whitelisted IP, allowlist исходящего трафика;
- поднятие и настройка облачной инфраструктуры;
- развёртывание модели DeepSeek-R1-Distill-Llama-70B (Ollama/vLLM) и обеспечение её стабильной работы под нагрузкой;
- реализация и поддержка классического ML-слоя детекции аномалий (Isolation Forest / LSTM-автоэнкодер);
- реализация автономного пайплайна анализа;
- настройка эпизодического цикла дообучения модели (LoRA/QLoRA) с контролем качества перед развёртыванием;
- обеспечение безопасности инфраструктуры;
- документирование архитектуры и процессов, взаимодействие с командой испытаний для сбора требований.
Будет преимуществом:
- опыт работы с развёртыванием и inference open-weight LLM (vLLM, Ollama);
- опыт работы с настройкой VPN-туннелей (WireGuard, IPsec/IKEv2) и firewall-правил;
- опыт работы с облачными GPU-провайдерами;
- опыт работы с Python: pandas, scikit-learn, работа с временными рядами (Isolation Forest, автоэнкодеры);
- опыт работы с RAG-архитектурой и векторными базами данных (Qdrant или аналог);
- опыт работы с LoRA/QLoRA fine-tuning открытых LLM;
- опыт работы с ETL-пайплайнами для структурированных данных (Excel/pandas);
- опыт работы с Docker, администрирование Linux, мониторинг production-систем.
С НАШЕЙ СТОРОНЫ МЫ ПРЕДЛАГАЕМ:
- официальное трудоустройство в соответствии с ТК РФ;
- пятидневную рабочую неделю, ненормированный график;
- конкурентный уровень заработной платы, обсуждается индивидуально;
- развитую корпоративную культуру;
- спортивные и киберспортивные мероприятия;
- бесплатный транспорт до работы из г. Елабуги и обратно.
ОБЯЗАТЕЛЬНЫМ УСЛОВИЕМ ЯВЛЯЕТСЯ РЕЛОКАЦИЯ В РЕСПУБЛИКУ ТАТАРСТАН (ЕЛАБУГА)
ОБЯЗАТЕЛЬНЫМ УСЛОВИЕМ ЯВЛЯЕТСЯ РЕЛОКАЦИЯ В РЕСПУБЛИКУ ТАТАРСТАН (ЕЛАБУГА)
Обязанности:
- развёртывание и настройка сетевой связи между рабочей сетью и облаком: VPN-туннель (WireGuard/IPsec), ограничение доступа по whitelisted IP, allowlist исходящего трафика;
- поднятие и настройка облачной инфраструктуры;
- развёртывание модели DeepSeek-R1-Distill-Llama-70B (Ollama/vLLM) и обеспечение её стабильной работы под нагрузкой;
- реализация и поддержка классического ML-слоя детекции аномалий (Isolation Forest / LSTM-автоэнкодер);
- реализация автономного пайплайна анализа;
- настройка эпизодического цикла дообучения модели (LoRA/QLoRA) с контролем качества перед развёртыванием;
- обеспечение безопасности инфраструктуры;
- документирование архитектуры и процессов, взаимодействие с командой испытаний для сбора требований.
Будет преимуществом:
- опыт работы с развёртыванием и inference open-weight LLM (vLLM, Ollama);
- опыт работы с настройкой VPN-туннелей (WireGuard, IPsec/IKEv2) и firewall-правил;
- опыт работы с облачными GPU-провайдерами;
- опыт работы с Python: pandas, scikit-learn, работа с временными рядами (Isolation Forest, автоэнкодеры);
- опыт работы с RAG-архитектурой и векторными базами данных (Qdrant или аналог);
- опыт работы с LoRA/QLoRA fine-tuning открытых LLM;
- опыт работы с ETL-пайплайнами для структурированных данных (Excel/pandas);
- опыт работы с Docker, администрирование Linux, мониторинг production-систем.
С НАШЕЙ СТОРОНЫ МЫ ПРЕДЛАГАЕМ:
- официальное трудоустройство в соответствии с ТК РФ;
- пятидневную рабочую неделю, ненормированный график;
- конкурентный уровень заработной платы, обсуждается индивидуально;
- развитую корпоративную культуру;
- спортивные и киберспортивные мероприятия;
- бесплатный транспорт до работы из г. Елабуги и обратно.
ОБЯЗАТЕЛЬНЫМ УСЛОВИЕМ ЯВЛЯЕТСЯ РЕЛОКАЦИЯ В РЕСПУБЛИКУ ТАТАРСТАН (ЕЛАБУГА)
MLOps Engineer в ASTON
💰По итогам собеседования (ср. рын. зп 280 000 ₽ – 380 000 ₽)
📌Условия и бонусы:
Фултайм, офис (несколько городов).
📌Наши ожидания:
– опыт работы в роли MLops Engineer от 3-х лет;
– глубокая экспертиза в Python, уверенное использование asyncio, threading и multiprocessing, а также навыки в профилировании и решении задач, связанных с памятью и процессором;
– опыт работы с FastAPI и Pydantic v2: знание асинхронной архитектуры и уверенное владение структурой проектов;
– опыт работы с PostgreSQL, Redis, MongoDB, грамотное проектирование схем, индексация, выбор между ORM и raw SQL;
– знание Docker и Docker Compose, базовое понимание Kubernetes.
✍🏼••••••••
Обязанности:
•Обеспечивать отказоустойчивость работы платформы искусственного
интеллекта, формировать планы аварийных переключений, применять технологии для
обеспечения отказоустойчивой работы
•Анализировать метрики производительности, проводить анализ причин
инцидентов и ошибок работы платформы искусственного интеллекта, разрабатывать
меры по недопущению повторений сбоев
•Автоматизировать рутинные действия, внедрять и применять лучшие
практики подхода ""инфраструктура как код""
•Принимать участие в проектировании и организации вычислительных
ресурсов для решения новых функциональных задач и внедрения в эксплуатацию
технологий, в части касающейся системного программного обеспечения оркестрации
микросервисов и аппаратно-технических средств используемых в средах с применением
графических ускорителей платформ искусственного интеллекта;
•Осуществлять администрирование системного программного обеспечения
платформ искусственного интеллекта, включая операционные системы, оркестратор
микросервисов, модули управления и мониторинга и другие компоненты
Требования:
•Опыт сопровождения Kubernetes от 3 лет
•Опыт внедрения кластеров виртуализации, частных/публичных облаков с использованием GPU Nvidia для AI/ML, в т.ч. LLM
•Опыт использования и развертывания Istio, haproxy, opensearch, vector, kafka, victoria metrics, vault, kyverno, calico, Kserve, multus, sriov, rdma, infiniband, patroni, postgresql, , multi-tenant k8s, nvidia gpu-operator, network operator, dcgm, grafana, argo workflow, argo cd
•Опыт внедрения и сопровождения систем с использованием сети Infiniband на базе коммутаторов Mellanox. Понимание работы, тюнинг и настройка OpenSM (настройка фабрик Infiniband)
•Навыки использования Go\Python (создание скриптов, операторов K8S)
•Знание и применение Ansible/Terraform
•Понимание принципов работы NFS, S3 (опыт работы приветствуется)
Условия:
•Стабильный и прозрачный доход: размер заработной платы обсуждается по итогам собеседования + квартальная премия по результатам KPI
•Гибкий график работы: вы сможете планировать время так, как удобно вам и вашей команде
•Полную удалёнку или гибрид на выбор, а также уютный ИТ-хаб в Москве, Санкт-Петербурге, Екатеринбурге и сезонный коворкинг в Сочи
•Сложные и интересные задачи, современный стек технологий
•Заботу о вашем здоровье: программа ДМС с первых дней работы, куда входит стоматология, обслуживание в лучших клиниках города, страхование и компенсация 10-ти дней больничного
•Возможность вертикального и горизонтального карьерного роста: регулярно проходят тренинги, вебинары, митапы и демо-дни
•Оплату посещения профильных конференций и курсов, помогаем с подготовкой к публичным выступлениям и написанием статей на Хабр
•Доступ к бесплатным корпоративным библиотекам Alpina Digital, MyBook и бизнес-изданий
•Предложения от Банка только для сотрудников: собственные спортзалы (Москва, Санкт-Петербург, Екатеринбург), а также скидки на услуги туристических агентств, продукты питания, в рестораны, бары, магазины
ОБЯЗАТЕЛЬНЫМ УСЛОВИЕМ ЯВЛЯЕТСЯ РЕЛОКАЦИЯ В РЕСПУБЛИКУ ТАТАРСТАН (ЕЛАБУГА)
Обязанности:
- развёртывание и настройка сетевой связи между рабочей сетью и облаком: VPN-туннель (WireGuard/IPsec), ограничение доступа по whitelisted IP, allowlist исходящего трафика;
- поднятие и настройка облачной инфраструктуры;
- развёртывание модели DeepSeek-R1-Distill-Llama-70B (Ollama/vLLM) и обеспечение её стабильной работы под нагрузкой;
- реализация и поддержка классического ML-слоя детекции аномалий (Isolation Forest / LSTM-автоэнкодер);
- реализация автономного пайплайна анализа;
- настройка эпизодического цикла дообучения модели (LoRA/QLoRA) с контролем качества перед развёртыванием;
- обеспечение безопасности инфраструктуры;
- документирование архитектуры и процессов, взаимодействие с командой испытаний для сбора требований.
Будет преимуществом:
- опыт работы с развёртыванием и inference open-weight LLM (vLLM, Ollama);
- опыт работы с настройкой VPN-туннелей (WireGuard, IPsec/IKEv2) и firewall-правил;
- опыт работы с облачными GPU-провайдерами;
- опыт работы с Python: pandas, scikit-learn, работа с временными рядами (Isolation Forest, автоэнкодеры);
- опыт работы с RAG-архитектурой и векторными базами данных (Qdrant или аналог);
- опыт работы с LoRA/QLoRA fine-tuning открытых LLM;
- опыт работы с ETL-пайплайнами для структурированных данных (Excel/pandas);
- опыт работы с Docker, администрирование Linux, мониторинг production-систем.
С НАШЕЙ СТОРОНЫ МЫ ПРЕДЛАГАЕМ:
- официальное трудоустройство в соответствии с ТК РФ;
- пятидневную рабочую неделю, ненормированный график;
- конкурентный уровень заработной платы, обсуждается индивидуально;
- развитую корпоративную культуру;
- спортивные и киберспортивные мероприятия;
- бесплатный транспорт до работы из г. Елабуги и обратно.
ОБЯЗАТЕЛЬНЫМ УСЛОВИЕМ ЯВЛЯЕТСЯ РЕЛОКАЦИЯ В РЕСПУБЛИКУ ТАТАРСТАН (ЕЛАБУГА)
ОБЯЗАТЕЛЬНЫМ УСЛОВИЕМ ЯВЛЯЕТСЯ РЕЛОКАЦИЯ В РЕСПУБЛИКУ ТАТАРСТАН (ЕЛАБУГА)
Обязанности:
- развёртывание и настройка сетевой связи между рабочей сетью и облаком: VPN-туннель (WireGuard/IPsec), ограничение доступа по whitelisted IP, allowlist исходящего трафика;
- поднятие и настройка облачной инфраструктуры;
- развёртывание модели DeepSeek-R1-Distill-Llama-70B (Ollama/vLLM) и обеспечение её стабильной работы под нагрузкой;
- реализация и поддержка классического ML-слоя детекции аномалий (Isolation Forest / LSTM-автоэнкодер);
- реализация автономного пайплайна анализа;
- настройка эпизодического цикла дообучения модели (LoRA/QLoRA) с контролем качества перед развёртыванием;
- обеспечение безопасности инфраструктуры;
- документирование архитектуры и процессов, взаимодействие с командой испытаний для сбора требований.
Будет преимуществом:
- опыт работы с развёртыванием и inference open-weight LLM (vLLM, Ollama);
- опыт работы с настройкой VPN-туннелей (WireGuard, IPsec/IKEv2) и firewall-правил;
- опыт работы с облачными GPU-провайдерами;
- опыт работы с Python: pandas, scikit-learn, работа с временными рядами (Isolation Forest, автоэнкодеры);
- опыт работы с RAG-архитектурой и векторными базами данных (Qdrant или аналог);
- опыт работы с LoRA/QLoRA fine-tuning открытых LLM;
- опыт работы с ETL-пайплайнами для структурированных данных (Excel/pandas);
- опыт работы с Docker, администрирование Linux, мониторинг production-систем.
С НАШЕЙ СТОРОНЫ МЫ ПРЕДЛАГАЕМ:
- официальное трудоустройство в соответствии с ТК РФ;
- пятидневную рабочую неделю, ненормированный график;
- конкурентный уровень заработной платы, обсуждается индивидуально;
- развитую корпоративную культуру;
- спортивные и киберспортивные мероприятия;
- бесплатный транспорт до работы из г. Елабуги и обратно.
ОБЯЗАТЕЛЬНЫМ УСЛОВИЕМ ЯВЛЯЕТСЯ РЕЛОКАЦИЯ В РЕСПУБЛИКУ ТАТАРСТАН (ЕЛАБУГА)
Кредитные продукты — одна из ключевых бизнес-линий в Т-Банке. Миллионы наших клиентов пользуются кредитами, чтобы достигать целей: купить жилье или автомобиль мечты, пойти учиться или поехать в путешествие.
Мы меняем рынок: быстро одобряем кредиты, не запрашиваем справки и создаем интуитивно понятные интерфейсы. Наша цель — сделать кредиты понятными, качественными и надежными.
Наш центр технологий искусственного интеллекта внедряет в кредитные продукты ML-модели. Они улучшают клиентский опыт, развивают технологии и приносят измеримую пользу бизнесу.
Чем мы занимаемся:
— Прорабатываем решения от гипотезы до А/B-теста и внедрения в продакшен.
— Решаем задачи ранжирования и поиска в приложении.
— Увеличиваем рост экономических эффектов от ML.
— Создаем интерфейсные решения, которые меняют клиентские сценарии.
Ищем тимлида с опытом управления кросс-функциональной ML-командой в направление кредитных продуктов.
Узнать больше о профессии: ML-разработчики в Т‑Банке.
- Управлять ML-командой: выстраивать сильную техническую культуру, развивать таланты, быть наставником и помогать ML-инженерам расти
- Правильно ставить ML-задачи и подбирать нужный стек ML-моделей, собирать и предобрабатывать датасеты для обучения моделей
- Разрабатывать ML-модели c нуля, проводить эксперименты по повышению качества и сравнивать разные подходы
- Участвовать в подготовке и проведении A/B-тестов
- Внедрять модели в продакшен — через регулярно обновляемые витрины данных с их поддержкой или через разработку API-микросервисов на k8s
- Настраивать мониторинг качества модели и бизнес-метрик, проводить диагностику и поддерживать стабильность ML-пайплайнов
- У вас есть опыт работы в ML от 5 лет, из которых от 2 лет — в роли руководителя ML-команд
- Глубоко понимаете машинное обучение и глубокое обучение, знакомы с современными технологиями и индустриальными трендами в ML — в приоритете домены Classic ML, NLP, RecSys, Computer Vision
- У вас есть опыт полного цикла ML-разработки и выстраивания процессов для команды
- Развивали и поддерживали ML-инфраструктуру и MLOps: встраивали модели в продакшен, работали с мониторингом, логированием и масштабированием
- Управляли распределенными командами из 5+ человек: ставили цели, работали над мотивацией, выстраивали командную культуру
- Отлично разбираетесь в проектировании архитектуры ML-пайплайнов и систем — ML System Design, System Design
- Разрабатывали дизайн и запускали A/B-тесты, оценивали эффект от ML
- Работали со стейкхолдерами и бизнес-заказчиками для ведения ML-продуктовой разработки
- Будет плюсом опыт работы в финтехе или крупном банке по внедрению ML в финансовые продукты, знания или опыт работы с графами и DL, опыт работы в ML-доменах — Classic ML, RecSys
- Гибридный график и офис у метро «Белорусская», в котором есть все что нужно: Т-Клиника, салон красоты, фитнес-зоны, комнаты для сна и медитации. Если захочется поработать на свежем воздухе — терраса с панорамным видом
- Возможность работы в аккредитованной ИТ-компании
- ДМС со стоматологией, включая чекапы, компенсацию покупки лекарств и льготные условия страхования для близких. Еще — страховка от несчастных случаев и болезней
- Рост по карьерному треку: проходите курсы по софт- и хард-скиллам, развивайтесь с поддержкой ментора и повышайте уровень с матрицей компетенций и регулярным ревью
- Сильное комьюнити. Вы будете работать с экспертами в своей области, сможете делиться знаниями и выступать на конференциях, посещать митапы и писать статьи
- Онлайн-консультации с психологами, юристами, специалистами по финансам и здоровому образу жизни
- Компенсацию затрат на спортивные абонементы, приложение Т-Спорта для онлайн-занятий и командные тренировки с коллегами
- Завтраки и обеды в Т-Кафе. В офисе есть ресторан и кофейни, на каждом этаже — кухня, где можно перекусить
- 3 дополнительных дня к отпуску — можно использовать для отдыха или получить компенсацию
- Специальные тарифы на продукты Т-Банка и широкую программу скидок от партнеров
- Достойную зарплату — обсудим ее на собеседовании
ОБЯЗАТЕЛЬНЫМ УСЛОВИЕМ ЯВЛЯЕТСЯ РЕЛОКАЦИЯ В РЕСПУБЛИКУ ТАТАРСТАН (ЕЛАБУГА)
Обязанности:
- развёртывание и настройка сетевой связи между рабочей сетью и облаком: VPN-туннель (WireGuard/IPsec), ограничение доступа по whitelisted IP, allowlist исходящего трафика;
- поднятие и настройка облачной инфраструктуры;
- развёртывание модели DeepSeek-R1-Distill-Llama-70B (Ollama/vLLM) и обеспечение её стабильной работы под нагрузкой;
- реализация и поддержка классического ML-слоя детекции аномалий (Isolation Forest / LSTM-автоэнкодер);
- реализация автономного пайплайна анализа;
- настройка эпизодического цикла дообучения модели (LoRA/QLoRA) с контролем качества перед развёртыванием;
- обеспечение безопасности инфраструктуры;
- документирование архитектуры и процессов, взаимодействие с командой испытаний для сбора требований.
Будет преимуществом:
- опыт работы с развёртыванием и inference open-weight LLM (vLLM, Ollama);
- опыт работы с настройкой VPN-туннелей (WireGuard, IPsec/IKEv2) и firewall-правил;
- опыт работы с облачными GPU-провайдерами;
- опыт работы с Python: pandas, scikit-learn, работа с временными рядами (Isolation Forest, автоэнкодеры);
- опыт работы с RAG-архитектурой и векторными базами данных (Qdrant или аналог);
- опыт работы с LoRA/QLoRA fine-tuning открытых LLM;
- опыт работы с ETL-пайплайнами для структурированных данных (Excel/pandas);
- опыт работы с Docker, администрирование Linux, мониторинг production-систем.
С НАШЕЙ СТОРОНЫ МЫ ПРЕДЛАГАЕМ:
- официальное трудоустройство в соответствии с ТК РФ;
- пятидневную рабочую неделю, ненормированный график;
- конкурентный уровень заработной платы, обсуждается индивидуально;
- развитую корпоративную культуру;
- спортивные и киберспортивные мероприятия;
- бесплатный транспорт до работы из г. Елабуги и обратно.
ОБЯЗАТЕЛЬНЫМ УСЛОВИЕМ ЯВЛЯЕТСЯ РЕЛОКАЦИЯ В РЕСПУБЛИКУ ТАТАРСТАН (ЕЛАБУГА)
ОБЯЗАТЕЛЬНЫМ УСЛОВИЕМ ЯВЛЯЕТСЯ РЕЛОКАЦИЯ В РЕСПУБЛИКУ ТАТАРСТАН (ЕЛАБУГА)
Обязанности:
- развёртывание и настройка сетевой связи между рабочей сетью и облаком: VPN-туннель (WireGuard/IPsec), ограничение доступа по whitelisted IP, allowlist исходящего трафика;
- поднятие и настройка облачной инфраструктуры;
- развёртывание модели DeepSeek-R1-Distill-Llama-70B (Ollama/vLLM) и обеспечение её стабильной работы под нагрузкой;
- реализация и поддержка классического ML-слоя детекции аномалий (Isolation Forest / LSTM-автоэнкодер);
- реализация автономного пайплайна анализа;
- настройка эпизодического цикла дообучения модели (LoRA/QLoRA) с контролем качества перед развёртыванием;
- обеспечение безопасности инфраструктуры;
- документирование архитектуры и процессов, взаимодействие с командой испытаний для сбора требований.
Будет преимуществом:
- опыт работы с развёртыванием и inference open-weight LLM (vLLM, Ollama);
- опыт работы с настройкой VPN-туннелей (WireGuard, IPsec/IKEv2) и firewall-правил;
- опыт работы с облачными GPU-провайдерами;
- опыт работы с Python: pandas, scikit-learn, работа с временными рядами (Isolation Forest, автоэнкодеры);
- опыт работы с RAG-архитектурой и векторными базами данных (Qdrant или аналог);
- опыт работы с LoRA/QLoRA fine-tuning открытых LLM;
- опыт работы с ETL-пайплайнами для структурированных данных (Excel/pandas);
- опыт работы с Docker, администрирование Linux, мониторинг production-систем.
С НАШЕЙ СТОРОНЫ МЫ ПРЕДЛАГАЕМ:
- официальное трудоустройство в соответствии с ТК РФ;
- пятидневную рабочую неделю, ненормированный график;
- конкурентный уровень заработной платы, обсуждается индивидуально;
- развитую корпоративную культуру;
- спортивные и киберспортивные мероприятия;
- бесплатный транспорт до работы из г. Елабуги и обратно.
ОБЯЗАТЕЛЬНЫМ УСЛОВИЕМ ЯВЛЯЕТСЯ РЕЛОКАЦИЯ В РЕСПУБЛИКУ ТАТАРСТАН (ЕЛАБУГА)
Мы создаём инфраструктуру для обучения и дообучения больших языковых (LLM) и визуально-языковых (VLМ) моделей, которые используются в Алисе, Поиске, Рекламе и других сервисах Яндекса. Современное обучение таких моделей — это сложная система, которая включает десятки тысяч серверов, миллионы вычислительных ядер и многоуровневые соединения между ними. Наша задача — сделать эту систему максимально эффективной, рационально используя вычислительные ресурсы и минимизируя риски сбоев.
Обучение моделей превратилось в задачу управления сложными распределёнными системами. Нужно обеспечивать отказоустойчивость, эффективную доставку данных и минимизировать задержки в коммуникациях. Чем сложнее система, тем больше точек отказа, а чем больше ресурсов нужно на обучение, тем выше накладные расходы на запуск. Наша команда работает на стыке ML-математики и «железной» инфраструктуры: мы должны понимать и особенности аппаратного обеспечения (GPU, сети, шины данных, диски, память), и нюансы самого процесса обучения: составные части, взаимодействие компонентов, узкие места.
Один из популярных подходов к обучению LLM — обучение с подкреплением, Reinforcement Learning, RL. С ростом популярности этого метода появляются всё более сложные подходы, увеличивается потребность в вычислительных ресурсах — и, как следствие, возникает необходимость строить специализированную инфраструктуру.
Оптимизация инфраструктуры RL-обучения
Вам предстоит улучшать ключевые компоненты: оптимизировать доставку и сохранение данных, оптимизировать коммуникации между блоками обучения, повышать эффективность работы внутри блоков.
Развитие инструментов диагностики
Вы будете создавать и совершенствовать инструменты, которые позволят быстро выявлять и устранять инфраструктурные проблемы.
Повышение отказоустойчивости инфраструктуры
Предстоит реализовывать подходы, которые сделают инфраструктуру обучения устойчивой к различным ошибкам и сбоям.
Исследование и внедрение современных решений
Будете изучать новейшие подходы к организации инфраструктуры RL-обучения, оценивать их эффективность и внедрять в реальные проекты.
Больше о бэкенде в Яндексе — в канале Yandex for Backend
* Знаете Python и имеете опыт системного программирования, разработки библиотек или фреймворков
* Хорошо знакомы и работали на практике с фреймворком PyTorch и распределённым обучением через torch.distributed
* Владеете подходами параллелизации: понимаете data parallelism, tensor parallelism, pipeline parallelism, expert parallelism для распределённого инференса или обучения
* Интересуетесь LLM и MLOps: понимаете задачи и вызовы, которые связаны с эксплуатацией больших моделей в продакшне
* Умеете эффективно работать в команде и делиться знаниями
* Участвовали в создании инфраструктуры обучения ML-моделей
* Внедряли и оптимизировали RL-решения
* Работали с библиотеками RL-обучения для LLM: veRL, slime, NeMo-RL, SkyRL и другими, а также с библиотеками инференса: vLLM, SGLang и TRTLLM
* Владеете C++ и имеете опыт низкоуровневого программирования и оптимизации
* Имеете опыт с GPU NVIDIA: понимаете архитектуру GPU, разрабатывали или оптимизировали алгоритмы с использованием CUDA или Triton
Мы ищем бэкенд-разработчика, который поможет развивать ML-инфраструктуру поиска и рекомендаций Яндекс Еды.
Наши сервисы работают под высокой нагрузкой: например, через ранжирование главной страницы проходят тысячи запросов в секунду. При этом новые возможности рекомендаций напрямую влияют на пользовательский опыт и результаты бизнеса. Поэтому для нас одинаково важны скорость разработки, надёжность системы и эффективное использование вычислительных ресурсов.
Основная часть сервисов написана на C++. Вам предстоит с первых задач развивать существующую кодовую базу.
Инфраструктура для моделей рекомендаций
Мы строим production-инфраструктуру для моделей, которые улучшают поиск и рекомендации: от подготовки эмбеддингов и управления версиями до быстрого и надёжного инференса под реальной нагрузкой. Вы будете безопасно раскатывать новые версии, следить за согласованностью моделей и эмбеддингов, развивать мониторинг качества и быстро обнаруживать ухудшения ранжирования. Глубоко заниматься устройством самих нейросетей не потребуется: команда получает готовые модели и отвечает за их интеграцию и работу в продакшене.
Платформа пользовательских профилей
Мы хотим быстрее учитывать свежие сигналы о действиях пользователя в поиске и рекомендациях. Здесь много интересных задач по распределённым системам: обработка событий exactly-once, шардирование и обновление больших профилей, объединение сигналов из разных источников, согласованность онлайн- и офлайн-фич, восстановление данных и мониторинг всего пути от события до ответа модели. Предстоит работать с потоковой обработкой данных, динамическими таблицами и распределёнными хранилищами. Вы сможете повлиять на архитектуру платформы для разных ML-команд.
Межсервисное взаимодействие
Вы будете участвовать в развитии взаимодействия сервисов на базе gRPC: проектировать Protobuf-контракты, улучшать общие инструменты и библиотеки, а также обеспечивать надёжность сервисных интеграций.
Больше о бэкенде в Яндексе — в канале Yandex for Backend
* Занимались бэкенд-разработкой на C++ и готовы с первых задач работать с большой существующей кодовой базой
* Понимаете, как проектировать и эксплуатировать высоконагруженные сервисы и распределённые системы
* Умеете самостоятельно разбираться в сложной задаче, договариваться со смежными командами и доводить решение до продакшена
* Интересуетесь рекомендательными системами и инфраструктурой вокруг ML. Знакомство с RecSys и современными ML-моделями будет полезно, но глубоких знаний об устройстве нейросетей мы не требуем
* Уверенно владеете Python
* Работали с рекомендательными или поисковыми системами либо с MLOps
* Знакомы с gRPC, Protobuf, userver, потоковой обработкой данных или распределёнными хранилищами
Узнайте про разработку Городских сервисов Яндекса на [dev.go.yandex](http://dev.go.yandex/?utm\_source=yandex\_jobs&utm\_medium=social&utm\_content=1&utm\_campaign=vacancies)
ОБЯЗАТЕЛЬНЫМ УСЛОВИЕМ ЯВЛЯЕТСЯ РЕЛОКАЦИЯ В РЕСПУБЛИКУ ТАТАРСТАН (ЕЛАБУГА)
Обязанности:
- развёртывание и настройка сетевой связи между рабочей сетью и облаком: VPN-туннель (WireGuard/IPsec), ограничение доступа по whitelisted IP, allowlist исходящего трафика;
- поднятие и настройка облачной инфраструктуры;
- развёртывание модели DeepSeek-R1-Distill-Llama-70B (Ollama/vLLM) и обеспечение её стабильной работы под нагрузкой;
- реализация и поддержка классического ML-слоя детекции аномалий (Isolation Forest / LSTM-автоэнкодер);
- реализация автономного пайплайна анализа;
- настройка эпизодического цикла дообучения модели (LoRA/QLoRA) с контролем качества перед развёртыванием;
- обеспечение безопасности инфраструктуры;
- документирование архитектуры и процессов, взаимодействие с командой испытаний для сбора требований.
Будет преимуществом:
- опыт работы с развёртыванием и inference open-weight LLM (vLLM, Ollama);
- опыт работы с настройкой VPN-туннелей (WireGuard, IPsec/IKEv2) и firewall-правил;
- опыт работы с облачными GPU-провайдерами;
- опыт работы с Python: pandas, scikit-learn, работа с временными рядами (Isolation Forest, автоэнкодеры);
- опыт работы с RAG-архитектурой и векторными базами данных (Qdrant или аналог);
- опыт работы с LoRA/QLoRA fine-tuning открытых LLM;
- опыт работы с ETL-пайплайнами для структурированных данных (Excel/pandas);
- опыт работы с Docker, администрирование Linux, мониторинг production-систем.
С НАШЕЙ СТОРОНЫ МЫ ПРЕДЛАГАЕМ:
- официальное трудоустройство в соответствии с ТК РФ;
- пятидневную рабочую неделю, ненормированный график;
- конкурентный уровень заработной платы, обсуждается индивидуально;
- развитую корпоративную культуру;
- спортивные и киберспортивные мероприятия;
- бесплатный транспорт до работы из г. Елабуги и обратно.
ОБЯЗАТЕЛЬНЫМ УСЛОВИЕМ ЯВЛЯЕТСЯ РЕЛОКАЦИЯ В РЕСПУБЛИКУ ТАТАРСТАН (ЕЛАБУГА)
ОБЯЗАТЕЛЬНЫМ УСЛОВИЕМ ЯВЛЯЕТСЯ РЕЛОКАЦИЯ В РЕСПУБЛИКУ ТАТАРСТАН (ЕЛАБУГА)
Обязанности:
- развёртывание и настройка сетевой связи между рабочей сетью и облаком: VPN-туннель (WireGuard/IPsec), ограничение доступа по whitelisted IP, allowlist исходящего трафика;
- поднятие и настройка облачной инфраструктуры;
- развёртывание модели DeepSeek-R1-Distill-Llama-70B (Ollama/vLLM) и обеспечение её стабильной работы под нагрузкой;
- реализация и поддержка классического ML-слоя детекции аномалий (Isolation Forest / LSTM-автоэнкодер);
- реализация автономного пайплайна анализа;
- настройка эпизодического цикла дообучения модели (LoRA/QLoRA) с контролем качества перед развёртыванием;
- обеспечение безопасности инфраструктуры;
- документирование архитектуры и процессов, взаимодействие с командой испытаний для сбора требований.
Будет преимуществом:
- опыт работы с развёртыванием и inference open-weight LLM (vLLM, Ollama);
- опыт работы с настройкой VPN-туннелей (WireGuard, IPsec/IKEv2) и firewall-правил;
- опыт работы с облачными GPU-провайдерами;
- опыт работы с Python: pandas, scikit-learn, работа с временными рядами (Isolation Forest, автоэнкодеры);
- опыт работы с RAG-архитектурой и векторными базами данных (Qdrant или аналог);
- опыт работы с LoRA/QLoRA fine-tuning открытых LLM;
- опыт работы с ETL-пайплайнами для структурированных данных (Excel/pandas);
- опыт работы с Docker, администрирование Linux, мониторинг production-систем.
С НАШЕЙ СТОРОНЫ МЫ ПРЕДЛАГАЕМ:
- официальное трудоустройство в соответствии с ТК РФ;
- пятидневную рабочую неделю, ненормированный график;
- конкурентный уровень заработной платы, обсуждается индивидуально;
- развитую корпоративную культуру;
- спортивные и киберспортивные мероприятия;
- бесплатный транспорт до работы из г. Елабуги и обратно.
ОБЯЗАТЕЛЬНЫМ УСЛОВИЕМ ЯВЛЯЕТСЯ РЕЛОКАЦИЯ В РЕСПУБЛИКУ ТАТАРСТАН (ЕЛАБУГА)
Ищем MLOps Engineer с фокусом на ускорение и автоматизацию вывода ML-моделей.
Основной продукт — платформа для рекомендательных сценариев, обеспечивающая разработку, обучение и эксплуатацию ML-моделей в продакшене.
Чем предстоит заниматься:
- развивать MLOps-инфраструктуру и инструменты для быстрого вывода моделей в production
- автоматизировать процессы тестирования, развертывания и обновления ML-моделей
- развивать MLflow и процессы управления экспериментами, версиями и жизненным циклом моделей
- развивать инфраструктуру на базе Kubernetes
- обеспечивать интеграцию ML-процессов с Airflow и Apache Spark
- развивать CI/CD для ML и внутренние инструменты/SDK для ML-команд
- повышать надежность, наблюдаемость и воспроизводимость ML-систем
- участвовать в развитии инфраструктуры для AI/LLM-сценариев.
Что мы ожидаем:
-
опыт в MLOps / DevOps / Data Engineering
-
хорошее знание Kubernetes
-
опыт работы с MLflow, Airflow и Spark
-
уверенный Python
-
понимание полного жизненного цикла ML-модели — от эксперимента до production
-
опыт автоматизации CI/CD и эксплуатации production-систем
-
умение проектировать решения, которые снижают time-to-production ML-моделей и упрощают работу Data Science команд
-
опыт разработки внутренних ML-инструментов и SDK
-
опыт работы с рекомендательными системами
-
опыт с GPU-инфраструктурой
-
опыт в AI/LLM-проектах.
-
офисный формат (Поклонная, 3к1)
-
ежегодный пересмотр зарплаты и годовая премия
-
расширенный ДМС и льготное страхование для семьи
-
уникальная система обучения Сбера для профессионального и карьерного развития
-
выгодная ипотека для сотрудников
-
подписка Прайм с возможностью совместного использования на трёх близких
-
вознаграждение за рекомендацию друзей в команду Сбера
-
корпоративная пенсионная программа.
Мы разрабатываем end-to-end рекомендательную систему для ленты рекомендаций Ответов Mail.ru: от генерации идей до реализации факторов, обучения моделей и A/B-тестирования. Наша цель - помогать авторам быстрее получать ответы на свои вопросы и улучшать пользовательский опыт, чтобы они чаще возвращались к нам.
Задачи
- Разработка и оптимизация ML-моделей для рекомендаций;
- Участие в переносе рекомендательных сервисов на ЕКП (единую контентную платформу);
- Построение пайплайнов обработки больших объемов данных;
- Эксперименты: проверка гипотез, анализ A/B-тестов, улучшение метрик;
- Генерация идей по улучшению качества работы рекомендаций, и участие в проектировании рекомендательных сервисов.
Требования
- Опыт в ML от 2 лет;
- Опыт работы с большими данными (Hadoop, Spark, YT);
- Опыт работы с realtime-сервисами.
Будет плюсом
- Опыт с рекомендательными и поисковыми системами;
- Опыт проведения и анализа а/б-экспериментов;
- Опыт работы с ООП-языками (Java, С++).
ОБЯЗАТЕЛЬНЫМ УСЛОВИЕМ ЯВЛЯЕТСЯ РЕЛОКАЦИЯ В РЕСПУБЛИКУ ТАТАРСТАН (ЕЛАБУГА)
Обязанности:
- развёртывание и настройка сетевой связи между рабочей сетью и облаком: VPN-туннель (WireGuard/IPsec), ограничение доступа по whitelisted IP, allowlist исходящего трафика;
- поднятие и настройка облачной инфраструктуры;
- развёртывание модели DeepSeek-R1-Distill-Llama-70B (Ollama/vLLM) и обеспечение её стабильной работы под нагрузкой;
- реализация и поддержка классического ML-слоя детекции аномалий (Isolation Forest / LSTM-автоэнкодер);
- реализация автономного пайплайна анализа;
- настройка эпизодического цикла дообучения модели (LoRA/QLoRA) с контролем качества перед развёртыванием;
- обеспечение безопасности инфраструктуры;
- документирование архитектуры и процессов, взаимодействие с командой испытаний для сбора требований.
Будет преимуществом:
- опыт работы с развёртыванием и inference open-weight LLM (vLLM, Ollama);
- опыт работы с настройкой VPN-туннелей (WireGuard, IPsec/IKEv2) и firewall-правил;
- опыт работы с облачными GPU-провайдерами;
- опыт работы с Python: pandas, scikit-learn, работа с временными рядами (Isolation Forest, автоэнкодеры);
- опыт работы с RAG-архитектурой и векторными базами данных (Qdrant или аналог);
- опыт работы с LoRA/QLoRA fine-tuning открытых LLM;
- опыт работы с ETL-пайплайнами для структурированных данных (Excel/pandas);
- опыт работы с Docker, администрирование Linux, мониторинг production-систем.
С НАШЕЙ СТОРОНЫ МЫ ПРЕДЛАГАЕМ:
- официальное трудоустройство в соответствии с ТК РФ;
- пятидневную рабочую неделю, ненормированный график;
- конкурентный уровень заработной платы, обсуждается индивидуально;
- развитую корпоративную культуру;
- спортивные и киберспортивные мероприятия;
- бесплатный транспорт до работы из г. Елабуги и обратно.
ОБЯЗАТЕЛЬНЫМ УСЛОВИЕМ ЯВЛЯЕТСЯ РЕЛОКАЦИЯ В РЕСПУБЛИКУ ТАТАРСТАН (ЕЛАБУГА)
Вакансия предполагает работу в офисе, для каждой локации — своя карточка вакансии. Щёлкни по локации, чтобы перейти на её карточку.
ОБЯЗАТЕЛЬНЫМ УСЛОВИЕМ ЯВЛЯЕТСЯ РЕЛОКАЦИЯ В РЕСПУБЛИКУ ТАТАРСТАН (ЕЛАБУГА)
Обязанности:
- развёртывание и настройка сетевой связи между рабочей сетью и облаком: VPN-туннель (WireGuard/IPsec), ограничение доступа по whitelisted IP, allowlist исходящего трафика;
- поднятие и настройка облачной инфраструктуры;
- развёртывание модели DeepSeek-R1-Distill-Llama-70B (Ollama/vLLM) и обеспечение её стабильной работы под нагрузкой;
- реализация и поддержка классического ML-слоя детекции аномалий (Isolation Forest / LSTM-автоэнкодер);
- реализация автономного пайплайна анализа;
- настройка эпизодического цикла дообучения модели (LoRA/QLoRA) с контролем качества перед развёртыванием;
- обеспечение безопасности инфраструктуры;
- документирование архитектуры и процессов, взаимодействие с командой испытаний для сбора требований.
Будет преимуществом:
- опыт работы с развёртыванием и inference open-weight LLM (vLLM, Ollama);
- опыт работы с настройкой VPN-туннелей (WireGuard, IPsec/IKEv2) и firewall-правил;
- опыт работы с облачными GPU-провайдерами;
- опыт работы с Python: pandas, scikit-learn, работа с временными рядами (Isolation Forest, автоэнкодеры);
- опыт работы с RAG-архитектурой и векторными базами данных (Qdrant или аналог);
- опыт работы с LoRA/QLoRA fine-tuning открытых LLM;
- опыт работы с ETL-пайплайнами для структурированных данных (Excel/pandas);
- опыт работы с Docker, администрирование Linux, мониторинг production-систем.
С НАШЕЙ СТОРОНЫ МЫ ПРЕДЛАГАЕМ:
- официальное трудоустройство в соответствии с ТК РФ;
- пятидневную рабочую неделю, ненормированный график;
- конкурентный уровень заработной платы, обсуждается индивидуально;
- развитую корпоративную культуру;
- спортивные и киберспортивные мероприятия;
- бесплатный транспорт до работы из г. Елабуги и обратно.
ОБЯЗАТЕЛЬНЫМ УСЛОВИЕМ ЯВЛЯЕТСЯ РЕЛОКАЦИЯ В РЕСПУБЛИКУ ТАТАРСТАН (ЕЛАБУГА)
Обязанности:
- Тестировать и участвовать в разработке пайплайнов внедрения моделей;
- Внедрять модели машинного обучения;
- Сопровождать полный цикл сборки модели;
- Обрабатывать и анализировать данные;
- Поддерживать коммуникацию с разработчиками моделей.
Требования:
- Высшее техническое образование;
- Ключевой стек: Python, Airflow/ArgoWorkFlo/Fastapi; Mlflow, Hadoop/S3, PySpark, Seldon/Kserve, Kubernetes, Jenkins
- Kafka\rabbitmq -желательно;
- Опыт работы в стеке от 3х лет;
- Опыт работы с моделями машинного обучения;
- Опыт внедрения моделей машинного обучения как сервисы.
Условия:
- Стабильный и прозрачный доход: размер заработной платы обсуждается по итогам собеседования;
- Удаленнй формат работы;
- Сложные и интересные задачи, современный стек технологий;
- Возможность вертикального и горизонтального карьерного роста: регулярно проходят тренинги, вебинары, митапы и демо-дни;
- Доступ к бесплатным корпоративным библиотекам Alpina Digital, MyBook и бизнес-изданий;
- Предложения от Банка только для сотрудников: собственный спортзал, а также скидки на услуги туристических агентств, продукты питания, в рестораны, бары, магазины.
Team.Inno – одна из наиболее опытных белорусских компаний в области полного цикла разработки, внедрения и поддержки программного обеспечения, бизнес-анализа, дизайна, тестирования и управления проектами
За 18+ лет мы реализовали более 1600 проектов в разных отраслях для заказчиков из США, Канады, Великобритании, Германии, Франции, Италии, Японии и других стран. Наша команда специализируется на 40+ бизнес-доменах, включая Artificial Intelligence, Machine Learning, Augmented & Virtual Reality
Сейчас Team.Inno объединяет 3500+ специалистов, которые работают в офисах компании в Беларуси, Польше, Литве, Грузии и Германии. Мы постоянно ищем опытных и начинающих специалистов, а с 2025 предлагаем обучение на бесплатных онлайн-курсах для всех, кто хочет начать карьеру в IT
У нас можно пробовать себя на проектах разного масштаба, менять направления и выбирать карьерные треки. Присоединяйся!
Наши ожидания:
-
Уверенное владение Python: разработка продакшн-кода, знание библиотек для ML и автоматизации;
-
Опыт в MLOps (от 2 лет): практический опыт развертывания и управления ML-моделями в промышленной эксплуатации;
-
ML Expertise: понимание жизненного цикла модели, алгоритмов ML, техник feature engineering и мониторинга (drift, performance), знание инструментов управления версиями данных и экспериментов (MLflow, DVC, W&B);
-
Cloud Platforms: опыт работы с Azure (Azure ML, DevOps Pipelines, ACR), AWS (EC2, S3, IAM, Networking), GCP или другими облачными решениями;
-
CI/CD & DevOps: опыт работы с пайплайнами (GitHub Actions, Azure DevOps, GitLab CI, etc.), понимание принципов IaC (Terraform);
-
Контейнеризация: опыт работы с Docker и понимание оркестрации (Kubernetes/EKS/ECS);
-
Работа с данными: знание SQL (MS SQL/PostgreSQL) на уровне написания сложных запросов и манипуляции данными;
-
Владение английским языком на уровне B2 и выше.
Чем предстоит заниматься:
-
Проектирование и поддержка сквозных ML-пайплайнов (данные → обучение → деплой → мониторинг);
-
Автоматизация инфраструктуры для обучения и обслуживания моделей (Inference) в облаке;
-
Внедрение практик CI/CD/CT для кода, данных и моделей;
-
Обеспечение надежности, масштабируемости и безопасности AI-сервисов в продакшне;
-
Тесное взаимодействие с Data Scientists и DevOps для превращения прототипов в готовые продукты.
Будет плюсом:
-
Опыт работы с LLM и GenAI проектами в продакшне;
-
Опыт работы с PySpark, Databricks и другими инструментами BigData для распределенной обработки данных;
-
Понимание сетевых протоколов, настроек безопасности, виртуальных локальных сетей;
-
Профильное высшее образование (Computer Science, Data Science, Математика).
Мы предлагаем:
Обучение и развитие:
- Большой пул разноплановых проектов в таких сферах, как FinTech, Medicine, Entertainment, eCommerce, Gaming, Artificial Intelligence и пр.;
- Минимум легаси; короткий бенч;
- Широкий стек технологий, возможность перехода между ними;
- Индивидуальные карты роста и регулярный пересмотр условий (роли на проекте, уровня ЗП);
- Бесплатное изучение английского языка в офисе и онлайн.
Рабочая среда:
- Формат работы в офисе;
- Просторные и комфортные рабочие места;
- Подробный онбординг: знакомство с командой, процессами и правилами, экскурсия по офису, welcome card;
- Уютные кухни, игровые комнаты, коворкинги, лаунж-зоны.
Дополнительные бонусы:
- Добровольное медицинское страхование;
- Cкидки у компаний-партнеров (от пиццерий и книжных до магазинов бытовой техники).
Ну что, ты с нами? Ждем тебя в нашей дружной команде!
Создание рабочего места планируется в перспективе
- Формирование и развитие команды DS/ML: участие в найме, онбординг новых сотрудников;
- Распределение задач между специалистами, контроль нагрузки и сроков;
- Оценка эффективности сотрудников, разработка индивидуальных планов развития;
- Менторинг: код-ревью, повышение уровня компетенций команды;
- Определение технической стратегии направления: выбор моделей, фреймворков, инструментов и архитектурных решений;
- Проектирование и запуск ML-проектов полного цикла — от постановки бизнес-задачи до вывода модели в продакшн;
- Обеспечение качества решений: валидация моделей, A/B-тестирование, контроль метрик в проде;
- Разработка и внедрение стандартов: MLOps-практики, CI/CD для ML, версионирование данных и моделей, мониторинг;
- Декомпозиция задач, приоритизация бэклога.
- Глубокое понимание классического DS/ML: линейные алгоритмы, деревья и ансамбли (XGBoost, LightGBM, CatBoost), кластеризация;
- Хорошее знание статистики: A/B-тестирование, оценка статистической значимости, байесовский подход, причинно-следственный анализ и т.д.;
- Уверенный Python (numpy, pandas, scikit-learn) и продвинутый SQL (оконные функции, оптимизация запросов);
- Практика полного цикла: от формулировки бизнес-задачи до отбора признаков, обучения, валидации, калибровки и интерпретации моделей;
- Умение выбирать метрики под задачу и определять качество моделей;
- Построение ML-пайплайнов и data pipeline: Airflow, ETL / ELT-процессы
MLOps: версионирование данных и моделей (MLflow, DVC), оркестрация экспериментов, воспроизводимость; - Деплой и поддержка моделей: контейнеризация (Docker, Kubernetes), мониторинг (дрейф данных, качество предсказаний, алертинг), стратегии переобучения.
- Ежеквартальные премии;
- Корпоративные предложения по фитнесу;
- Корпоративные скидки на онлайн обучение в Skyeng для вас и ваших близких;
- Бесплатная подписка на библиотеку электронных курсов «LERNA.KZ», где собраны сотни электронных курсов от известных онлайн-школ SkillFactory, GeekBrains и Skillbox;
- Приятная рабочая атмосфера в современном офисе в деловой части города;
- Возможность строить карьеру в одном из крупнейших банков Казахстана.
Кто такой MLOps инженер
MLOps-инженер строит инфраструктуру, на которой живут модели: конвейеры обучения, деплой в прод, версионирование данных и моделей, мониторинг качества и дрейфа. Он делает так, чтобы модель, обученная дата-сайентистом, стабильно работала под нагрузкой, обновлялась предсказуемо и не деградировала молча. Это DevOps, заточенный под специфику машинного обучения.
Когда моделей в компании становится больше одной, а деплой руками превращается в боль, появляется потребность в этой роли. Кто-то должен собрать training pipeline, поднять serving на GPU, настроить трекинг экспериментов и алерты на просадку метрик. MLOps-инженер закрывает разрыв между «модель обучили» и «модель приносит пользу в проде» — без него исследование так и остаётся исследованием.
Требования и стек
Стек — на стыке ML и эксплуатации.
- Serving: TorchServe, Triton, KServe, BentoML, SageMaker.
- Пайплайны обучения: Kubeflow Pipelines, Airflow, Prefect, Metaflow.
- Трекинг и версии: MLflow, Weights & Biases, DVC.
- Feature stores: Feast, Tecton.
- Мониторинг: Evidently, Arize, WhyLabs — детекция дрейфа данных и модели.
- Инфраструктура: Docker, Kubernetes, Terraform, CI/CD (GitHub Actions, GitLab CI), GPU-ноды (NVIDIA device plugin).
Чистая инфраструктура без ML-специфики — это уже обычный DevOps, а обучение самих моделей — Data Science и ML. Граница с ними тонкая, и во многих командах роли пересекаются, так что кросс-навык только в плюс.
Карточек в выборке первой страницы: 25. С явной отметкой удалённой работы: 4. Источник — показанные объявления HireSeeker; одна карточка учитывается один раз. Это срез текущей страницы, а не доли по всему рынку. Отсутствие отметки не означает запрет удалённой работы.
Что ждут от кандидата
Главный вход в профессию — прийти из DevOps или SRE, добрав ML-специфику: если вы уже уверенно держите Kubernetes, CI/CD и облако, освоить serving и трекинг моделей — вопрос практики. Второй путь — из Data Science в сторону инженерии, когда хочется не столько обучать, сколько заставлять модели надёжно работать.
Что обсуждают на собеседовании:
- как задеплоите модель в прод и как организуете откат, если новая версия хуже;
- Kubernetes и контейнеры на уверенном уровне — это фундамент роли;
- как ловите деградацию: мониторинг метрик, дрейф данных, алерты;
- опыт с GPU-инфраструктурой и оптимизацией инференса.
Сильное преимущество — показать законченный пайплайн: от обучения до задеплоенной модели с мониторингом. Даже учебный сквозной проект убеждает сильнее списка инструментов, потому что демонстрирует, что вы видите весь жизненный цикл модели. Такой кейс стоит вынести в резюме первым.
Зарплаты и спрос
Медианная зарплата — 379 963 ₽ по вакансиям за последние 30 дней. Подробная статистика зарплат MLOps инженер.
Смотрите также в каталоге
Хотите персональную подборку?
Введите свои критерии — мы отфильтруем вакансии по вашим требованиям
Найти подходящие вакансии →