Руководитель отдела автоматизации инфраструктуры и сопровождения

Направление работы:

ML Platform – платформенная команда в отделе Trust & Safety Wildberries. Мы отвечаем за ML-инфраструктуру модерации контента и карточек товаров. Ежедневно через наши системы проходят десятки миллионов карточек – это сотни миллионов предсказаний по 100+ ML-моделям. Модели крутятся в Nvidia Triton Inference Server на GPU-кластере в нескольких дата-центрах; пиковая нагрузка на инференс – порядка 400–500K RPS, десятки инстансов Triton.

Исторически платформа выросла из модерации, сейчас становится самостоятельным юнитом и расширяется на все направления T&S. В отделе работают 50+ DS, и единой платформы для них пока нет. Мы это меняем – строим общую мультитенантную ML-платформу для всего отдела.

Ищем ML Infrastructure Engineer (MLOps) на инфраструктурный слой платформы: GPU-кластер, разделение ресурсов между командами, ML-тулинг, среда обучения, стандартизация пайплайнов.

Стань частью команды!

Вам предстоит:

• Отвечать за GPU-кластер целиком: драйверы, GPU Operator, DCGM-мониторинг, утилизация, планирование ёмкости;

• Выстроить стратегию разделения GPU между командами в гетерогенной среде, квоты и приоритеты;

• Поднять единый Kubeflow и ClearML как стандарт для DS-команд отдела;

• Оптимизировать inference-инфраструктуру - автоскейлинг GPU-нод, bin-packing, утилизация;

• Строить инфраструктуру Embedding Store (pgvector, FAISS, qdrant);

• Общаться с DS-командами, понимать их потребности и переводить в инфраструктурные решения;

• Раскатать платформу на остальные команды Trust & Safety с полноценной мультитенантностью.

Формат работы - гибридный или удаленный по договоренности с руководителем.

Вы нам подходите, если:

• Имеете глубокое понимание Kubernetes: операторы, scheduling, resource management, GPU в K8s (device plugin, GPU Operator);

• Имеете практический опыт с NVIDIA GPU: драйверы и CUDA-стек, DCGM, MIG или time-slicing;

• Имеете опыт развёртывания и поддержки MLOps-платформ для DS-команд (ClearML, MLflow, Kubeflow, Airflow или аналоги);

• Владеете Linux и bare-metal, IaC (Ansible или Terraform), Helm;

• Имеете опыт разработки на Python или Go: операторы, экспортеры, внутренний тулинг;

• Умеете взаимодействовать с DS-командами и переводить потребности в технические решения;

Будет плюсом:

• Опыт с Triton Inference Server, vLLM, KServe или аналогами;

• Опыт разделения и виртуализации GPU в Kubernetes для multi-tenant окружений;

• Понимание векторных БД и их оптимизации (pgvector, FAISS, Milvus);

• Сторадж под данные обучения: S3, Ceph, NFS;

• Multi-node training: NCCL, InfiniBand, RDMA.

Привет!

Мы — команда Травелаты, сервиса по поиску и бронированию туров онлайн. Travelata.ru уже 15 лет на рынке, мы лидер онлайн-продажи туров в России, у нас миллионы пользователей и живой высоконагруженный продукт.

Ищем системного администратора Linux, который уверенно чувствует себя в консоли и хочет расти дальше — в сторону DevOps. Мы осознанно ищем именно крепкого админа, а не «готового девопса»: всему прикладному стеку научим сами, на реальной продакшн-инфраструктуре, рядом с опытной командой.

Чем предстоит заниматься:

• Поддержка работоспособности прод- и тест-инфраструктуры (сотни сервисов);
• Мониторинг, разбор технических проблем и инцидентов;
• Автоматизация рутины: скрипты, плейбуки, пайплайны;
• Постепенное погружение в DevOps-задачи команды.

Что ожидаем от вас:

• Уверенное администрирование Linux: сервисы, systemd, диски, права, логи;
• Умение писать bash-скрипты и читать чужие;
• Понимание принципов работы сети: TCP/IP, DNS, маршрутизация, firewall;
• Знакомство с базами данных (PostgreSQL);
• Желание разбираться до причины, а не «перезагрузить и забыть».
• Будет плюсом (а если нет — научим, это и есть трек роста):
• Docker и контейнеры (у нас Docker Swarm и Kubernetes);
• Ansible — вся наша инфраструктура описана кодом;
• Мониторинг: Prometheus, Grafana, Loki (или опыт с Zabbix);
• CI/CD: GitLab CI, Jenkins.

Что предлагаем:

• ​​​​​​Удалёнка (часовой пояс МСК ±3) или офис в Севастополе / Воронеже — на ваш выбор;
• График 5/2, гибкое начало дня;
• Оформление по ТК РФ, «белая» зарплата, оплата больничных и отпусков,
  Работа в аккредитованной ИТ-компании;
• Понятный трек роста до DevOps-инженера на современном стеке и поддержка обучения;
• Все необходимое для работы, включая новую технику;
• Скидки на путешествия;
• ДМС после испытательного срока;
• В офисах — фрукты, снэки, пицца и торты по праздникам.