MLOps инженер — свежие вакансии

Наш трайб занимается сегментами клиентов, для лучшего клиентского опыта и финансового результата мы взаимодействуем с каждым сегментом по-особенному

Ты будешь участвовать в промышленном внедрении ML моделей с финансовым эффектом > 1 млрд. руб/год, в т.ч NLP SOTA моделей на основе трансформеров и многое другое

Мы работаем в большой команде D-People (>60 человек) с четким разделением ролей

В распоряжении команды 2 мощных Hadoop кластера, а также есть общие сервера с GPU (Tesla A100/V100).

• внедрение ML моделей и фичей, необходимых для их исполнения

• проектирование и поддержка Pipeline-ов регулярного скоринга моделей

• развитие Hadoop кластера подразделения (оптимизация нагрузки, масштабирование, установка доп. инструментов, часть задач по администрированию и мониторингу)

• предоставление экспертной поддержки D-people (Engineer/Analyst/Scientist) трайба в части оптимизации запросов, хранения данных и т.д.

• поддержка сопроводительной документации в базе знаний подразделения.

• опыт работы от 3 лет в качестве Data Engineer/Data Analyst/Data Scientist

• продвинутые знания SQL и Python: опыт разработки и, желательно, внедрения в пром. от 1 года

• уверенные знания основных компонентов Apache Hadoop

• опыт работы с фреймворком Apache Spark

• понимание основ Machine Learning.

Будет плюсом:

• знание Scala

• опыт с Python ML-frameworks (Scikit-Learn, LightGBM, PyTorch и другие)

• опыт с Spark streaming, Kafka, Hbase, GreenPlum

• опыт с DevOps (Jenkins), Git (BitBucket)

• навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом

• опыт с методологии Agile (SCRUM, Kanban).

• офисный формат работы на период испытательного срока, после ИС гибрид: Поклонная 3к2

• годовой бонус и ежегодный пересмотр

• социальный пакет (ДМС, страхование от несчастных случаев, льготное кредитование, подключение родственников к полису)

• корпоративный университет Сбера, внутренняя образовательная платформа, участие в IT-конференциях

• льготная ипотека в Сбере, корпоративная пенсионная программа, подписка СберПрайм+ с возможностью использования до трех близких, скидки от партнеров

• материальная помощь при наступлении значимых событий в жизни;

• дисконт-программы от компаний партнеров (фитнес, страхование, туризм)

• подарки и мероприятия для детей сотрудников. Оздоровительные программы для детей сотрудников.

Сейчас мы ищем Стажера ML Инженера в наш продукт ArchOps.
ArchOps - архитектурный продукт, позволяющий наполнять и управлять ландшафтом предприятия

Задачи

дорабатывать текущий Copilot продуктового архитектора;
участвовать в обучении моделей;
разрабатывать новые AI-агенты.

Требования

понимание работы и построения AI агентов;
базовые навыки Python;
знание ООП.

Условия

Студенты 1 и 2 курсов бакалавриата или специалитета, и студенты колледжей, обучающиеся на любом курсе по ИТ-специальности;
​​​​​​​
график работы 30-40 часов в неделю;
развитие в командах профессионалов и опытный наставник, готовый делиться опытом;
мобильная связь за счет компании;
специальные предложения и скидки от продуктов экосистемы МТС;
собственный корпоративный университет, онлайн-библиотека, Best Benefits (приложение для сотрудников, где собраны различные скидки);
спорт: онлайн зарядки, йога, дыхательные практики.

• Проектировать LLM-платформы в K8s: управлять конфигурациями через Helm и Terraform, разрабатывать кастомных операторов для автоматизации жизненного цикла моделей.
• Строить сквозные CI/CD-пайплайны для ML-сервисов (обучение, inference, data pipelines).
• Разрабатывать и поддерживать рабочие процессы в Kubeflow.
• Внедрять наблюдаемость (Observability) для ИИ-систем: мониторинг латентности ответов, дрейфа качества (drift) и стоимости эксплуатации (cost metrics) с помощью Prometheus/Grafana или аналогов.
• Оптимизировать работы GPU-кластера (распределённое обучение, эффективное использование ресурсов).
• Обеспечивать безопасность: изоляция сред, контроль доступа, логирование.

Для нас важно:

• Администрирование Kubernetes в облачных (cloud) и локальных (on-premise) средах.
• Уверенное владение Python; практический опыт с Kubeflow и Airflow для автоматизации ML-пайплайнов.
• Настройка пайплайнов CI/CD, преимущественно на Jenkins.
• Работа с классическими хранилищами и векторными базами данных (Weaviate/Qdrant/PGVector).
• Знания в области мониторинга и логирования (Prometheus, Grafana, ELK, OpenTelemetry).
• Понимание принципов работы LLM/GenAI и RAG-систем.

Главный принцип SkillStaff - Выбирай!

• РАЗНООБРАЗИЕ ПРОЕКТОВ. Выбирай из сотен компаний и проектов то, что интересно и полезно для твоего роста. SkillStaff помогает реализовывать ежегодно порядка 500 различных ИТ-проектов для крупного бизнеса.
• КОМФОРТ. SkillStaff — аккредитованная IT-компания, белая зарплата и удобный график работы. Создавай идеальные условия для своей работы: удаленная работа или возможность работать как в офисе клиента, так и в комфортном офисе SkillStaff в центре Москвы на Воздвиженке.
• РАЗВИТИЕ. Выбирай сам путь, по которому ты хочешь развиваться. Используй возможность обмена опытом и получение знаний через участие в разных проектах, совместную работу с высококвалифицированными коллегами.
• КУЛЬТУРА. Нашу культуру создают сами сотрудники – мы их слышим и помогаем развиваться, чтобы #вместе переходить на новый уровень!

Banks Soft Systems - системно значимая российская ИТ-компания, специализирующаяся на разработке, внедрении и поддержке решений по цифровизации клиентского обслуживания для банков, финтех-компаний, госсектора, телекома, ритейла, медицины, сферы ЖКХ в России и СНГ. Мы разрабатываем системы речевой аналитики, развиваем платформы дистанционного банковского обслуживания, а также оказываем услуги по заказной и аутсорс разработке. Мы практикуем наиболее востребованные рынком технологические решения: от машинного обучения до разработки 1С.

Чем нужно будет заниматься:

• Настройка и поддержка инфраструктуры для ML-решений в продакшене с высокой нагрузкой;
• Развертывание и эксплуатация ML-моделей;
• Автоматизация CI/CD процессов;
• Мониторинг и оптимизация инфраструктуры;
• Проведение оценки технических рисков на этапах проектирования информационных систем;
• Формирование и анализ проектной, нормативной и технической документации, включая задания, регламенты, стандарты, нормы, правила, инструкции и спецификации;
• Проектирование и внедрение MLOps платформы;
• Оценка технических рисков проектирования информационных систем.

• Знание и опыт работы с NGINX;
• Опыт работы с облачными провайдерами (AWS, Azure, Yandex Cloud);
• Уверенное владение Docker и Kubernetes;
• Опыт работы с реляционными и NoSQL базами данных (Postgres, Oracle, Redis);
• Знание Apache Airflow;
• Опыт настройки CI/CD в Gitlab;
• Знакомство с Grafana и Prometheus, ELK;
• Опыт проектирования, развертывания и эксплуатации ML-решений в продакшене;
• Опыт развертывания и эксплуатации LLM-моделей.

Будет плюсом:

• Опыт работы с векторными базами данных (Qdrant, Milvus);
• Опыт работы с API;
• Знакомство с MLflow;
• Знакомство с Kubeflow;
• Знание и умение представлять платформенные решения, отстаивать позицию и защищать на комитетах.

Что мы предлагаем:

• Полное соблюдение ТК РФ c первого дня работы и своевременная выплата заработной платы;
• Удаленный формат работы;
• Расширенный ДМС со стоматологией;
• Бесплатное обучение английскому языку вам и вашим детям;
• Скидки в фитнес-клубы;
• Предоставляем всю необходимую технику для работы.

Откликайтесь и присоединяйтесь к нашей дружной команд

Привет! Команда Evrone занимается продуктовой разработкой стартапов и помогает в цифровой трансформации бизнеса в России, США и Европе. Думаю, что вы о нас слышали от Григория Петрова (Evrone Devrel).

Ищем HPC/GPU Cluster Expert уровня Senior/Architect. Заработная плата зависит от уровня и определяется после прохождения технического собеседования.

Проект в домене MedTech, аудит рабочего прототипа вычислительной платформы и проектирования целевой вычислительной ткани.

Стадия проекта: рабочий прототип, целевая архитектура не зафиксирована окончательно.

Среда: преимущественно on-prem и air-gap, возможны shared trust zone, dedicated cell и burst-очередь во внешний cloud.

Текущий контур: React UI, BFF API, PostgreSQL с RLS, ClearML, MinIO/S3 и GPU-агенты. Использует Campaign Control, NVIDIA MPS, `finish_compute` и образы с pinned digest.

Бизнес-задача роли: снять требования реальных CPU/GPU-нагрузок и обоснованно выбрать целевую модель оркестрации. Решение должно поддерживать on-prem ячейки, shared trust zone и возможный burst во внешний cloud, но не превращать локальный scratch в source of truth. Роль не заменяет действующего MLOps-специалиста и не предполагает постоянный on-call.

Задачи:

• Провести аудит прототипа: очереди, агенты, NVIDIA MPS, storage, сеть, образы, точки отказа и зависимости от ClearML;
• Определить требования к CPU, GPU, VRAM, scratch и сети для Vina-GPU/CUDA, OpenFE, ADMET-AI и ближайших MD-сценариев;
• Спроектировать целевую архитектуру on-prem cell, общей зоны доверия и burst-очереди во внешний cloud;
• Сравнить Slurm, Kubernetes с GPU Operator, гибридную модель и развитие текущих агентов;
• Подготовить обоснованное решение о замене ClearML;
• Спроектировать очереди, квоты, packing и exclusive-режимы;
• Зафиксировать требования к изоляции: non-root, без Docker socket;
• Обеспечить воспроизводимость через pinned digest, host driver, NVIDIA Container Toolkit и air-gap bundle;
• Провести PoC: fan-out докинга, packing OpenFE, отказ агента и точный повтор вычисления на том же образе;
• Оценить требуемую мощность, стоимость и этапы внедрения;
• Подготовить ADR и передать целевой контур внутреннему MLOps

Что для нас важно:

• Практический опыт эксплуатации Linux GPU-фермы или HPC-кластера в production;
• Глубокое понимание NVIDIA stack: драйверы, Container Toolkit, CUDA, MPS, MIG и packing;
• Практический опыт Slurm и/или Kubernetes GPU;
• Проектирование связки локального scratch и объектного хранилища.;
• Опыт on-prem или hybrid-инфраструктуры; желательно air-gap;
• Умение сравнивать архитектурные варианты, фиксировать решение в ADR и передавать контур эксплуатации

Будет ОГРОМНЫМ плюсом:

• Опыт замены experiment tracker или workload manager без потери воспроизводимости и артефактов;
• Научные или ML-нагрузки на GPU;
• Prometheus, Grafana, DCGM и NVML;
• Private registry и подготовка offline bundle;
• Практика capacity planning и оценки стоимости GPU-контуров

Результат первых 30–60 дней при 0,5 FTE:

• Карта компонентов и функций, которые перестанут работать при удалении ClearML;
• Сравнение Slurm, Kubernetes, гибридной модели и развития агентов;
• Целевая схема очередей, квот и packing для текущих нагрузок;
• Один проверяемый PoC с fan-out, packing, отказом агента и повторяемостью образа;
• ADR с рекомендуемой архитектурой и критериями приёмки для главного архитектора;
• Предварительная оценка мощности, стоимости и этапов внедрения

Вне скоупа:

• Разработка научных runners и payload отдельных инструментов;
• Lineage, схемы, registry и идентичность кандидатов;
• CI, секреты, compose control plane и постоянный on-call;
• Замена действующего Senior MLOps / DevOps;
• Политика выноса данных во внешний cloud;
• Ежедневное администрирование GPU-нод

Почему Evrone:

• Мы занимаемся технически сложными, высоконагруженными, наукоёмкими проектами, проектами с большой бизнес логикой или большой серверной инфраструктурой. Нам доверяют: аналитику, проектирование интерфейсов и дизайн, разработку, инфраструктуру и эксплуатацию. Мы становимся технической командой проекта целиком или консультируем и расширяем возможности существующих команд наших клиентов.
• Кроме того, Evrone помогает развиваться сообществу разработчиков. Мы делаем самую большую в России конференцию по Ruby — RubyRussia, проводим технические митапы, делаем свой новостной дайджест, а также спонсируем и помогаем в проведении конференций по Go, Python, React/Vue и функциональным языкам.
• Наши инженеры выступают на ведущих конференциях России и Европы и вносят вклад в Open Source проекты, мы берем интервью у лидеров комьюнити и пишем статьи на самые горячие темы индустрии. В этом году мы ставили стенд и выступали на конференциях Highload и TeamLeadConf.
• Вся команда работает удаленно с 2008 года. Мы знаем как организовать распределенную разработку комфортно и эффективно. Есть офисы для работы и встреч в Москве и Воронеже, а также офисы продаж в Сан-Франциско и Берлине.

Что предлагаем:

• Удаленную фултайм работу и мягкий график. Достаточно синхронизировать тайм-зоны и иметь пересечения рабочего времени с командой;
• Качественный онбординг и hr-менеджмент (1:1, Grow Review). По желанию меняем проекты, не даем стагнировать. При формировании команды проекта учитываем профессиональные или личные интересы разработчиков;
• Работу в разновозрастном, разнополом и потрясающе дружном и профессиональном коллективе;
• Хорошо организованный воркфлоу, отсутствие бюрократии. Работа на доверии.
• Наши разработчики работают только над одним проектом. Без постоянных переключений между ними.

Одна из ценностей Evrone – работа с удовольствием.

Для этого мы придумали Evrone Benefits. Каждому из нас выделяется годовой бюджет, автоматически пополняемый каждый новый год вашей работы в Evrone. Его можно потратить на полезные категории трат, направленные на:

• ДМС и здоровье;
• Спорт и абонемент для фитнеса или инвентарь для спорта;
• Курсы иностранного языка;
• Техника для работы и улучшение рабочего места;
• Обучение: курсы, тренинги, мастер-классы, семинары, книги и конференции.

Бонусы и премии:

• Повышение зарплаты по мере роста компетенций (по результатам ассесмента);
• Премии за привлечение новых сотрудников и новых клиентов;
• Дополнительная премия за выступления на конференциях и митапах;
• У вас есть возможность принять участие в проведении технических интервью специалистов, которые могут стать вашими коллегами. Проведение интервью оплачивается.

Обучение и рост компетенций:

• Проводим митапы. Вы можете быть как и слушателем, так и спикером;
• У нас есть культура менторства. В повседневных задачах и планировании карьеры будет помогать наставник;
• Развивать профессиональный уровень можно с помощью системы ассессмента Evrone Challenge;
• Есть внутренняя библиотека с электронными книгами и записанными курсами;
• Работаем и дружим с западными заказчиками, есть возможность практиковать свой английский.

Возможность стать докладчиком или автором:

• Если вы хотите выступить на оффлайн конференции, мы поможем вам подготовить контент для доклада и сделаем крутые слайды. DevRel Evrone (Григорий Петров) поможет подготовиться к выступлению на конференции, окажем поддержку на самой конференции и подготовим материалы с вашим докладом.
• Если вы хотите выступить на онлайн конференции, помимо помощи по подготовке доклада и подбору конференции, мы организуем вам студийную съемку или трансляцию вашего доклада;
• У нас есть блоги на всех популярных платформах России и мира. Наши редакторы и профессиональные авторы еженедельно выпускают новые материалы;
• Если вы написали статью, мы нарисуем для нее иллюстрации и поможем вам ее оформить и опубликовать. Если у вас есть только идея - редакторы помогут сформулировать мысли, оформить пост самостоятельно и правильно опубликовать для максимального охвата.

Возможность прокачаться в Open Source:

• Если у вас есть популярные open source проекты – мы поможем с их продвижением и окажем поддержку в развитии;
• Если вы контрибьютите в популярные проекты с открытым исходным кодом, мы оплатим часы, которые вы на это потратили.
• Если вы ничего этого не делаете, но очень хочется начать – в Evrone есть менторы, которые помогут вам сделать первые шаги: подберут задачки для старта, помогут решить их и правильно оформить pr.

Отдых и развиртуализация:

Мы проводим ежегодный фестиваль Evrone Fest, на котором собирается вся наша команда, а также тематические встречи в различных городах. Поэтому, где бы вы ни находились, мы будем рады увидеться лично.

ИТ-ИМПЛАНТ - аккредитованный системный интегратор, специализирующийся на заказной разработке и внедрении индивидуальных ИТ-решений для бизнеса.

Миссия компании:

Для компаний: Дать возможность сильным компаниям увеличиваться, благодаря аутстаффингу эффективных IT-специалистов.

Для соискателей: Дать возможность трудоустройства сильным соискателям в передовые компании на выгодных условиях труда.

MLOps Engineer (Strong Middle+/Senior)

О проекте:
Мы ищем инженера, который не просто «поднимает Airflow», а строит фундамент для ИИ-продуктов. Наши проекты разнородны: от высоконагруженных онлайн-инференсов (GPU) до пакетной обработки терабайт данных на-premise. Нам нужен человек, который понимает физику работы моделей так же хорошо, как и архитектуру облаков.

Ключевая задача:
Закрывать пробелы между Data Science и DevOps. Вы — мост, который превращает Jupyter Notebook в production-grade микросервис с мониторингом дрейфа данных.

Hard skills (Обязательно):

1. Инженерия данных: Уверенное владение Python (плюс опыт асинхронности). Опыт работы с Pandas/Polars в продакшене (не в ноутбуках).

2. Оркестрация: Глубокое понимание хотя бы одного инструмента (Airflow / Prefect / Dagster / Argo Workflows). Понимаете разницу между Event-driven и Scheduled пайплайнами.

3. Контейнеризация и оркестрация: Docker + Kubernetes. Умение писать хелм-чарты, настраивать HPA (Horizontal Pod Autoscaler) под GPU-нагрузки.

4. Infrastructure as Code (IaC): Опыт с Terraform или Pulumi (неважно, AWS, GCP или Yandex Cloud — важно понимание состояния и providerов).

5. CI/CD для ML: Опыт настройки пайплайнов не только для кода, но и для данных (DVC / LakeFS / Git LFS).

6. Мониторинг: Знание стеков (Prometheus + Grafana / VictoriaMetrics) и опыт настройки алертинга на качество модели (дрейф данных/концепций).

Будет Вашим преимуществом:

• Если ваш стек — AWS/GCP/Azure: Будет плюсом опыт с SageMaker / Vertex AI / Azure ML, но мы также ценим, если вы умеете собирать тот же функционал из "чистых" сервисов (EC2 + S3 + Lambda) без готовых ML-обвязок.

• Если ваш стек — On-premise / Bare-metal: Будет плюсом опыт с GPU-виртуализацией (MIG / vGPU), Slurm или Kubeflow, а также опыт настройки распределенных хранилищ (Ceph / MinIO / NFS).

• Если ваш стек — Open Source: Будет огромным плюсом глубокое знание MLflow или Weights & Biases (включая самостоятельный хостинг), а также опыт с Ray (для распределенного обучения).

• Если ваш стек — Feature Store: Мы будем рады, если вы работали с Feast / Tecton или писали свой велосипед на Redis / Cassandra для низколатентных фичей.

• Если ваш стек — Безопасность: Опыт с аутентификацией (OIDC, Keycloak) и управлением секретами (Vault) в контексте ML-пайплайнов — это жирный плюс.

• Если ваш стек — Бэкенд: Навыки написания микросервисов на FastAPI / Triton Inference Server / TorchServe для упаковки моделей.

Мы точно НЕ про вас, если:

• Вы запускаете модели только через python app.py и считаете это MLOps.

• Вы боитесь терминала Linux и не умеете читать dmesg или kubectl describe pod при падении GPU-ноды.

• Вы считаете, что мониторинг — это только "смотрит ли CPU в потолок".

Мы предлагаем:

• Удалённый формат работы

• Оформление по Самозанятости или ИП (По ТК РФ ставка будет ниже, чем указано в вакансии)
• Фултайм
• График работы с гибким началом рабочего дня

Стеки на проектах разные, откликайтесь!

Мы в поиске ML разработчика / инженера, который будет развивать направление поставки ML-решений в production в команде:

• Настроит мониторинг и сделает оптимизацию уже существующих в production ML-решений
• Реализует масштабирование и вывод в production новые ML-решения (планируем 5-10 до конца 2026 года)
• Будет взаимодействовать с командами разработки, ML для уточнения требований и постановки задач; предлагать архитектурные решения

• Настроит мониторинг и сделает оптимизацию уже существующих в production ML-решений
• Реализует масштабирование и вывод в production новые ML-решения (планируем 5-10 до конца 2026 года)
• Будет взаимодействовать с командами разработки, ML для уточнения требований и постановки задач; предлагать архитектурные решения

Ключевые задачи:

• Разработка и поддержка API на FastAPI / другом фреймворке для интеграции ML-решений (классических моделей, агентов и тд);
• "Упаковка" кода в Docker-образ с минимальным размером и безопасными зависимостями, писать Helm-чарт для развертывания этого образа;
• Поиск способов обновления библиотеки или применение патча, пересборка образа и обновление деплоя при блокировке образа SCA-сканером;
• Обеспечение стабильной работы ML-решений в production, включая развертывание и работы с локальными LLM, ASR и in-house решения;
• Настраивать и оптимизировать моделей на GPU и CPU;
• Версионирование моделей и управление артефактами;
• Развитие вместе с командой эксплуатации и архитекторами инфраструктуры полного жизненного цикла ML-решений: тестировать новые решения, улучшать текущие.

• Опыт работы в области ML Engineer / ML Ops от 4 лет
• Опыт практического внедрения и поддержки ML-решений в production
• Практические знания инструментов и практик ML Ops:
  • Уверенный Docker, Kubernetes; умение писать Dockerfile и values.yaml; CI/CD-пайплайны; мониторинг ресурсов
  • Глубокое понимание работы зависимостей в Python для устранения проблем с деплоем
  • Опыт работы с SCA-сканерами и подготовкой ML-решений для проверки безопасности и запуска в кластере
  • Разворачивание и поддержка решения полного жизненного цикла ML-решений: анализ логов, масштабирование, сокращение SLA, оптимизации ресурсов
• Понимание ML-алгоритмов и жизненного цикла модели:
  • от постановки задачи, экспериментов и версионирования до деплоя и мониторинга ML метрик в production
  • знание современных NLP-архитектур (трансформеры, механизмы внимания) и их отличия от классических сетей
  • знание агентных систем (работа с LangChain, LlamaIndex, LangGraph, Tool-Calling, RAG)
• Backend production фреймворки:
  • проектирование поддерживаемых, документированных и высоконагруженных API
  • Понимание микросервисов, принципов SOLID, грамотный дизайн REST/gRPC API для инференса
  • SQL (PostgreSQL/MySQL) / noSql (MongoDB): работа с данными, оптимизация запросов, версионирование данных (DVC)
• Уметь находить общий язык с техническими командами: доносить и аргументировать свои позицию, участвовать в релизах, оперативно и проактивно вносить изменения для достижения результата
• Уметь внятно презентовать / рассказать о проделанной работе, своих решениях и дальнейших шагах
  
  Является преимуществом:
• KServe / TorchServe — опыт развертывания моделей на inference-платформах.
• Triton Inference Server — оптимизация инференса, динамическое батчирование, работа с разными бекендами (TensorRT, ONNX).
• Опыт инференса больших языковых моделей (vLLM, LLM) и других ML-моделей, оптимизация GPU-памяти, continuous batching.
• Real-time системы: Kafka, streaming-инференс
• Опыт работы с поисковыми системами (OpenSearch, Elasticsearch) и векторными базами данных
• Опыт дообучения LLM (fine‑tuning) и построения RAG-пайплайнов
• Понимание принципов и практический опыт Data Ops / LLM Ops / Agent Ops

• Годовую премию по результатам работы;
• Ежегодный индивидуальный пересмотр заработной платы;
• Дополнительное медицинское страхование и возможность страхования родственников;
• Полис путешественника;
• Ипотечное кредитование на льготных условиях;
• Бесплатную подписку СберПрайм+, скидки, бонусы и акции экосистемы;
• Обучение в Виртуальной школе Сбербанка;
• Обучающие материалы для родителей, подарки и мероприятия для детей сотрудников экосистемы;
• Комфортную рабочую среду;
• Гибкое начало рабочего дня.

Группа Компаний Орбита - ведущий разработчик цифровых решений, российская аккредитованная ИТ-компания

Масштабный технологический проект с глубокой экспертизой в цифровизации бизнеса. Ключевые отрасли: государственный сектор, FinTech, HR Tech, коммуникации и медиа, услуги, рынок недвижимости, travel.

Нам доверяют крупнейшие компании РФ, среди них: Т1, ВТБ, Иннотех, Альфа Банк, ОИС и другие.

Более 6 лет мы ведем собственную продуктовую и заказную разработку высокоэффективных цифровых решений.

Задачи:

• Развертывать и поддерживать LLM/ML-платформу в Kubernetes.
• Работать с Helm, Terraform и Kubernetes Operators.
• Настраивать и развивать CI/CD для ML/AI-сервисов, включая обучение моделей, inference и data pipelines.
• Автоматизировать ML workflow с использованием Kubeflow.
• Настраивать мониторинг моделей и AI-сервисов: latency, drift, использование ресурсов и cost metrics.
• Разрабатывать и поддерживать пайплайны данных для обучения и inference.
• Работать с Kafka, Data Lake, S3-совместимыми объектными хранилищами и векторными базами данных.
• Участвовать в оптимизации GPU-кластера и эффективном распределении вычислительных ресурсов.
• Обеспечивать безопасность AI-инфраструктуры: изоляцию сред, контроль доступа, аудит и логирование.
• Взаимодействовать с командами разработки, Data Science и инфраструктуры для развития платформы.

Требования:

• Коммерческий опыт работы с Kubernetes и Kubernetes-кластерами в cloud или on-premise окружении.
• Уверенное знание Python.
• Опыт работы с MLOps-инструментами, желательно Kubeflow и Airflow.
• Практический опыт настройки CI/CD, преимущественно Jenkins.
• Опыт работы с системами хранения данных и векторными БД: Weaviate, Qdrant, PGVector или аналогами.
• Знание инструментов мониторинга и логирования: Prometheus, Grafana, ELK, OpenTelemetry.
• Понимание принципов построения ML/AI-инфраструктуры и жизненного цикла моделей.
• Понимание принципов работы LLM, GenAI и RAG-систем будет преимуществом.

Мы предлагаем:

• ​Удаленный формат работы;
• Белую заработную плату, оформление согласно Трудовому кодексу РФ;
• Комфортный старт: 3 месяца плавного погружения под присмотром HR;
• Поддержку: IT-отсрочку и консультации HR/юристов;
• Прозрачные процессы и открытую коммуникацию;
• Работу на лучшем оборудовании без логирования времени, с фокусом на доверии и результате;
• ДМС: медицинское страхование за счет компании;
• Развитие: индивидуальный план обучения, посещение конференций и митапов, поддержка в развитии карьеры;
• Личный бренд: возможность выступать на конференциях, митапах, публикация статей;
• Бенефиты: ежеквартальное обновление корпоративных скидок;
• Движ: организация вечеринок оффлайн и онлайн, предоставление мерча, проведение конкурсов и челленджей.

  Откликайтесь, будем рады познакомиться лично!

Yandex Crowd — крупный инфраструктурный сервис Яндекса. Мы используем краудсорсинг, чтобы расширять бизнес-процессы: разметку данных, модерацию контента, полевые исследования, тестирование. Также мы разрабатываем внутренние функции для наших продуктов: клиентский сервис, телемаркетинг, локализацию и документирование.

Наша цель — автоматизировать рутинные задачи краудсорс-исполнителей. Работаем по двум направлениям: асессорская разметка и клиентский сервис. Создаём и внедряем генеративных чат-ботов, агентов, co-pilot для операторов и асессоров, GenAI-based-разметку. Количество наших моделей и микросервисов, интегрированных в платформы, растёт. Нужно поддерживать стабильность, прозрачность и единообразие разработки и вывода в прод.

Ищем MLOps-лида, который соберёт команду и выстроит инфраструктуру и процессы для наших смелых ML-решений.

Автоматизация ML-процессов

Вам предстоит создавать эффективные автоматизированные пайплайны для обучения, тестирования и развёртывания ML-моделей, внедрять CI/CD и современные инструменты управления ML-процессами.

Стабильность и доступность моделей

Вам нужно будет обеспечивать стабильную работу моделей в продакшне, контролировать их состояние и гарантировать, что сервисы будут доступны для пользователей и отказоустойчивы.

Развитие ML-платформы

Вам предстоит определить техническое видение развития ML-платформы в Yandex Crowd и инструментов для Data Scientist, выстроить процессы, чтобы быстро и эффективно запускать новые решения, сократить время вывода их на рынок и масштабировать лучшие практики внутренней инфраструктуры.

Развитие команды MLOps-инженеров

Вы будете формировать и развивать команду MLOps-инженеров: нанимать сотрудников, быть для них наставником, передавать экспертный опыт, распределять задачи и способствовать их профессиональному росту.

* Работали в команде над разработкой на Python
* Руководили созданием и поддержкой бэкенд-сервисов
* Организовывали и внедряли системы мониторинга и логирования
* Умеете работать с Docker и Kubernetes
* Разбираетесь в полном жизненном цикле ML-моделей, выводе их в продакшн
* Способны принимать архитектурные решения

* Руководили построением или эволюцией CI/CD-процессов
* Внедряли инструменты для управления GenAI-решениями: RAG, агенты, LLM-пайплайны
* Занимались построением внутренних ML-платформ или сложных ML-продуктовых инструментов

15.06.2026

Мы строим AI-платформу для юристов (GigaLegal): LLM-агенты, RAG, high-load inference и интеграции с внешними системами.

Ищем DevOps-инженера, который поможет собрать и масштабировать инфраструктуру под реальные прод-нагрузки в разных средах.

• разворачивание и поддержка Kubernetes

• работа с GPU-инфраструктурой (A100 / V100)

• настройка CI/CD (GitOps, Helm, ArgoCD)

• мониторинг и логирование (Prometheus, Grafana, Loki)

• обеспечение отказоустойчивости и масштабирования.

• оконченное высшее образование

• опыт DevOps / SRE от 3 лет

• опыт работы с Kubernetes

• Docker, CI/CD, мониторинг

• опыт работы и настройки SOWA

• опыт разработки high-load систем

Будет плюсом:

• навыки работы с генеративными AI-моделями

• опыт создания AI-агентов и использования их в работе будет преимуществом

• работа с ML / LLM / GPU.

• формат работы офис на испытательном сроке, делее гибрид обсуждаем, локация офиса ул Вавилова д.19

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• подписка Прайм с возможностью совместного использования на трёх близких

• вознаграждение за рекомендацию друзей в команду Сбера.

Привет! Это команда разработки ERP и учётных систем. Мы управляем финансами клиентов, миллионами договоров с контрагентами и зарплатами тысяч сотрудников через ЭДО.

Сейчас мы ищем Senior ML-инженера в команду разработки ML-инструментов.

Мы создаём ядро интеллектуальной обработки документов — систему, которая автоматизирует работу с сотнями типов документов на разных языках. Ежедневно десятки тысяч контрагентов предоставляют пакеты документов. Наша задача — не просто их распознать, а построить интеллектуальный пайплайн, который автоматически извлекает, структурирует и проверяет достоверность и принадлежность данных, интегрируя результат в бизнес-процессы.

У нас активно развиваются llm/vllm в применимости к документам:

• Cовременные OCR системы на базе Qwen, PaddleOCR и т.п.

• LLM модели для анализа и саммаризации документов.

• Агентские системы для автоматизации роутинга потока документов.

Вы будете

• Определять архитектуру и разрабатывать end-to-end ML пайплайны для обработки документов: от приёма сырого изображения до валидированного структурированного вывода.

• Проводить research, выбирать и дообучать state-of-the-art модели для задач CV и NLP: детекция и классификация документов, OCR (печатный/рукописный текст, таблицы), Key Information Extraction (KIE), верификация подлинности и т.п.

• Оптимизировать модели для production (квантизация, дистилляция, работа с Triton/OpenVINO) и обеспечивать их масштабируемость и надёжность в высоконагруженной системе.

• Проводить A/B-тесты новых алгоритмов, анализировать их влияние на бизнес-метрики (качество, скорость, стоимость).

• Заниматься не только обучением моделей, но и внедрением их в production.

• Интегрировать решения с ML-платформой и инфраструктурой Ozon.

• Быть наставником для других участников команды, делиться экспертизой, проводить обзоры архитектурных решений и методологий.

Наш стек

• Язык и данные: Python, PostgreSQL, Redis.

• CV/NLP: PyTorch, OpenCV, семейство моделей Qwen, LayoutLM, Donut e.t.c.

• ML-рантайм и оптимизация: NVIDIA Triton, TensorRT, ONNX, OpenVINO.

• MLOps: Airflow, платформа запуска и трекинга экспериментов (MLFlow/ClearML-like).

• Инфраструктура: Kubernetes, Docker.

Нам важно

• Глубокое экспертное понимание state-of-the-art подходов в Computer Vision.

• Способность аргументированно выбирать архитектуры для решения задач бизнеса.

• Опыт работы с задачами: OCR (распознавание текста), детекции объектов, сегментации изображений.

• Практический опыт внедрения CV-моделей в production: от research и прототипирования до оптимизации, развёртывания в high-load среде, настройки мониторинга.

• Готовность и интерес к решению не только CV-задач, но и смежных ML-проблем.

Будет плюсом

• Опыт дообучения моделей с использованием адаптеров (LoRA, PEFT и др.).

• Опыт работы с задачами few-shot/zero-shot обучения в CV.

• Знание методов генерации и использования синтетических данных для обучения.

Мы предлагаем

• Динамичный и быстроразвивающийся бизнес, ресурсы, возможность сделать вместе лучший продукт на рынке e-commerce.

• Свободу действий в принятии решений.

• Достойный уровень заработной платы.

• Прекрасную команду, которой мы гордимся.

• Возможность развиваться вместе с нашим бизнесом.

Наша команда исследует и разрабатывает ML-модели персонализации для рекомендательных сервисов. Мы делаем трансформеры поверх пользовательской истории, они являются важной частью рекламных технологий и рекомендаций в Маркете.

В последнее время область рекомендательных систем становится всё ближе к NLP: при обучении мы разделяем стадии претрейна и SFT, видим похожие законы масштабирования моделей и обучаемся на сотнях GPU. Но есть и важные отличия: в сервисах динамически меняется множество рекомендуемых сущностей, а мощность этого множества может достигать порядка 10^9. Помимо этого, каждое пользовательское событие несёт в себе гораздо больше информации, чем один текстовый токен.

Наша цель — объединить лучшее из двух миров — RecSys и NLP — и улучшить конкретные продукты нашими технологиями.

Наша R&D-команда разрабатывает передовые рекомендательные технологии, которые используются в масштабах всего Яндекса. Мы ищем сильного ML-инженера, который будет исследовать новые подходы в рекомендациях и доводить их до продуктового состояния. Если вы хорошо знаете DL, ориентируетесь в современном RecSys или NLP и внедряли нейросети в продакшен — ждём вас!

Претрейн или обучение восстановлению логирующей политики

В любом зрелом сервисе уже работает достаточно качественная рекомендательная система, так что на первом этапе модель должна научиться хорошо повторять существующие рекомендации. Для этого мы экспериментируем с данными, архитектурой, лоссами и другими аспектами.

SFT

После претрейна модель обучается на пользовательском фидбэке, чтобы ранжировать релевантных кандидатов и выбирать среди них наилучшие. Среди открытых вопросов в этой области: каков предел качества модели в конкретной постановке задачи, как выглядят законы масштабирования в разных доменах и какие дальнейшие пути улучшения стоит исследовать.

Адаптация моделей для продакшена

Важный челлендж для нас — заставить модели работать в рантайме под высокой нагрузкой в десятки тысяч RPS. Мы активно исследуем архитектурные оптимизации и используем специализированные фреймворки для инференса, а иногда даже пишем свои cuda-кернелы на Triton.

Возможность развития вширь

Как R&D-команда, мы не ограничены одним продуктом или одной технологией. При желании можно погрузиться в разные сервисы или попробовать другие подходы в рекомендациях.

Больше об ML в Яндексе — в канале Yandex for ML

* Хотите заниматься прикладными ML-исследованиями
* Хорошо знаете основы современного Deep Learning
* Умеете превращать научные статьи в код: реализовывали SOTA-методы и алгоритмы

* Имеете опыт внедрения нейросетей в продакшен
* Следите за трендами в RecSys, NLP или CV и регулярно читаете статьи
* Занимались спортивным программированием, участвовали в ML-соревнованиях или хакатонах

Юзтех – группа аккредитованных ИТ-компаний полного цикла разработки с многолетней экспертизой в передовых технологиях: DWH, BigData, AI/ML, Blockchain, BI, предиктивная аналитика, цифровые двойники производства и рисков.

ГК Юзтех является технологическим партнером таких компаний, как Mail.ru, 2Gis, НЛМК, Еврохим, Го Инвест, Альфа-Банк, Сбер, ВТБ, МКБ, Самолет, Х5 retail Group, Газпромнефть, Леруа Мерлен, Ситилинк, Ланит, IBS. Также, ГК разрабатывает собственные IT-продукты (Usebus, Octopus, Тил Эйчар) и флагманские проекты, которыми пользуется 70% населения страны.

Приглашаем старшего DevOps (MLOps) -инженера на проект банка. Это позиция в первую очередь для технического лида в небольшую, самостоятельную команду (3–4 человека). Ищем сильного devops - инженера, который хочет развиваться в сторону MLOps. Официальный опыт лидом не обязателен, если вы растили джунов или стажёров как старший специалист — этого достаточно.

Проект: инфраструктурный кластер в K8s, где размещаются сервисы и алгоритмы, поддерживающие и дополняющие процессы работы с ML-моделями.

Задачи:

• проектировать новые техрешения и лидить техническую сторону проекта.
• настраивать и разворачивать инфраструктурные компоненты в кластере K8s.
• создавать / адаптировать пайплайны под задачи AutoML, LLM, computer vision.
• разрабатывать пользовательские инструменты для единого ML-контура (обучение + применение).
• масштабировать системы для управления жизненным циклом ML-моделей.

Важные знания и опыт:

• опыт администрирования Kubernetes (продакшн-кластеры, понимание «под капотом») — обязательно (от 2 лет).
• devops-стек: Docker, Helm, Jenkins / GitLab CI, Python
• опыт с Airflow, MLflow
• самостоятельность, проактивность, готовность погружаться в инфраструктуру и помогать команде, умение видеть общую картину результата.

Будет плюсом (но не блокер)

• Seldon, JupyterHub, CUDA, Hadoop, Spark.

Мы предоставим:

• карьерную и профессиональную возможность в стабильной, аккредитованной ИТ-компании;
• расширенный полис ДМС со стоматологией, корпоративного психолога;
• обучение, сертификацию, онлайн‑изучение английского;
• доступ к корпоративной библиотеке и к корпоративному университету;
• внутрикорпоративные профильные коммьюнити;
• заботу о детях сотрудников: корпоративные скидки, подарки, детские дни;
• геймифицированную программу лояльности: поверь, ты будешь в восторге от нашего корпоративного магазина!
• корпоративную жизнь: мы много работаем и классно отдыхаем!

Мы рассмотрим ваше резюме в течение 3-х рабочих дней.

Мы аккредитованный системный интегратор, работаем с крупнейшими заказчиками по формату IT-аутстаффинга. Сейчас мы ищем опытных аналитиков, которые смогли бы усилить проекты наших клиентов.

• 3+ года коммерческого опыта в ML Engineering.
• Уверенный Python, опыт с scikit-learn, PyTorch или TensorFlow.
• Практический опыт построения и вывода ML-моделей в production.
• Хорошее понимание ML: feature engineering, model evaluation, tuning.
• Опыт с MLOps: Docker, CI/CD, ML pipelines, MLflow или аналоги.
• Опыт работы хотя бы с одним Cloud: AWS / Azure / GCP.
• SQL, Git, Linux.
• Будет плюсом: Kubernetes, Airflow, LLM/GenAI, Spark.
• Английский B2+.

Будет плюсом:

• Опыт построения масштабируемых ML-систем и ML-платформ.
• Практический опыт с LLM / Generative AI и современными подходами к работе с foundation models.
• Опыт работы с большими объёмами данных и распределёнными вычислениями.
• Знание Kubernetes и Infrastructure as Code для развёртывания ML-сервисов.
• Опыт построения data/ML pipelines и автоматизации ML lifecycle.
• Опыт работы с real-time ML systems и потоковой обработкой данных.
• Опыт в NLP, Computer Vision, Recommendation Systems или Time Series.
• Понимание A/B-тестирования и продуктовых ML-метрик.
• Опыт интеграции ML-моделей в существующие production backend-системы.

• График с 9:00 до 18:00 по МСК.
• Возможность быстрого карьерного роста.
• Трудоустройство в аккредитованной ИТ компании.
• Возможность профессионального и карьерного роста.
• Оформление по ИП (приоритет) или ТК РФ.
• Работа в дружном, сплоченном коллективе.

В отклике указывайте свой tg, желаемую заработную плату и вариант оформления.

• Настройка и автоматизация CI/CD (GitLab CI, Jenkins, ArgoCD).
• Управление инфраструктурой (Kubernetes, Helm, Terraform, Ansible, GitOps).
• Контейнеризация и сопровождение AI/ML сервисов (GPU/CPU).
• Настройка мониторинга и логирования (Prometheus, Grafana, EFK), мониторинг AI/ML.
• Обеспечение отказоустойчивости, автоскейлинга, резервного копирования и безопасности (RBAC, Secrets, Vulnerability Scan).
• Внедрение и сопровождение MLOps: RAG, deployment и serving LLM, ML lifecycle.
• Автоматизация процессов, разработка скриптов и технической документации.
• Взаимодействие с Dev/ML командами, участие в on-call, устранении инцидентов и postmortem.

• Опыт с CI/CD (GitLab CI, Jenkins, ArgoCD).
• Уверенное знание Kubernetes, Helm, Terraform, Ansible, GitOps.
• Опыт работы с Prometheus, Grafana, EFK.
• Практический опыт в MLOps, RAG, deployment/serving LLM и ML lifecycle.
• Навыки автоматизации на Bash, Python или Go.
• Опыт сопровождения AI/ML инфраструктуры, участия в on-call и ведения технической документации.

• Работу над современным AI-продуктом с использованием LLM и RAG.
• Возможность влиять на архитектуру и развитие AI-инфраструктуры.
• Работу с высокопроизводительными GPU-кластерами и современным серверным оборудованием.
• Развертывание и оптимизацию крупных AI/ML-моделей на мощных видеокартах.
• Конкурентную заработную плату, возможности обучения и профессионального роста.

• Развивать и поддерживать платформу для запуска ML workloads.
• Администрировать и диагностировать проблемы в Kubernetes-кластере ML платформы.
• Автоматизировать рутинные задачи с помощью инструментов автоматизации - python, ansible и terraform.
• Поддерживать и развивать CI/CD-пайплайны и Helm чарты для ML сервисов.
• Выполнять клиентские заявки высокой сложности в Service Desk, ESMP, Jira.
• Настраивать мониторинг ML инфраструктуры - Prometheus, Grafana, Loki, Zabbix.
• Участвовать в проработке архитектуры будущих ML сервисов со стороны эксплуатации.
• Проводить плановые работы любого уровня сложности.
• Вести документацию в рамках зоны ответственности отдела.
• Вести аварии и составлять планы пост аварийных мер на ML платформе.

• Опыт администрирования Kubernetes кластеров от одного года.
• Понимание, как работают основные компоненты Kubernetes: kube-apiserver, scheduler, controller-manager, kubelet, kube-proxy, etcd, CoreDNS.
• Практический опыт диагностики проблем в Kubernetes: networking, scheduling, probes, ресурсы, storage, ingress, RBAC, CRD/operators.
• Опыт работы с Helm: написание, модификация, шаблонизация, отладка и проверка чартов.
• Опыт работы с системами автоматизации: Ansible и Terraform.
• Уверенное знание Linux на уровне администратора.
• Понимание сетей в Linux и Kubernetes: routing, iptables/nftables, IPVS, DNS, service discovery, network policies, K8S CNI Calico/Cilium.
• Опыт работы с CI/CD: желателен GitLab CI.
• Понимание Gitops подхода и цикла разработки приложения для k8s.
• Знание одного из языков программирования на среднем уровне: Python или Go.
• Опыт работы с системами мониторинга и логирования: Prometheus, Grafan, Loki, Zabbix или аналоги.
• Умение самостоятельно расследовать сложные технические проблемы, читать логи, метрики, события Kubernetes и исходники/документацию при необходимости.

Будет плюсом

• Опыт эксплуатации GPU-инфраструктуры в Kubernetes.
• Опыт работы с NVIDIA stack: GPU Operator, Network Operator, MIG, vGPU, NCCL.
• Опыт с ML serving/inference технологиями: NVIDIA Triton, vLLM, Transformers, SGLang, TensorRT-LLM.
• Опыт работы с KServe, Knative, Kubeflow.
• Опыт с service mesh/gateway-слоем в k8s: Istio, Envoy Gateway, Gateway API.
• Опыт с storage в Kubernetes: Ceph/Rook.
• Опыт работы с baremetal серверами и облаками.
• Понимание особенностей high-load inference workloads: long-running requests, streaming, autoscaling, GPU scheduling, лимиты ресурсов, latency, throughput.

Что мы предлагаем:

• Стабильный «белый» доход и полноценный соц. пакет;
• Гибкое начало дня и гибридный формат работы (обсуждаем индивидуально с каждым кандидатом);
• Корпоративный университет для внутреннего и внешнего профильного обучения;
• Отличные перспективы карьерного роста – горизонтального и вертикального.

А также для Вас:

• Программа ДМС с обслуживанием в лучших клиниках города;
• Корпоративные команды по футболу, волейболу, бегу, а также скидки на фитнес-абонементы;
• Эксклюзивная программа корпоративных привилегий и скидок Primezone;
• Корпоративная мобильная связь.

Работая вместе с нами, Вы сможете принять участие в амбициозных, крупных проектах, значимых для страны!