- Страна
- Россия
AI архитектор
Оценка ИИSelectel — один из лидеров рынка облачных технологий в РФ, что гарантирует работу с передовым «железом» и масштабными задачами. Четко описанные требования и возможность удаленной работы делают вакансию крайне привлекательной для специалистов в области AI Infrastructure.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИРоль требует редкого сочетания навыков системного администрирования (Kubernetes, GPU stack) и разработки (Go/Python), а также глубокого понимания специфики LLM-инфраструктуры. Высокая планка ответственности за весь жизненный цикл сервиса повышает сложность позиции.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для позиций уровня Middle/Senior AI Architect в крупных российских IT-компаниях рыночные предложения обычно начинаются от 300 000 рублей. Учитывая специфику работы с GPU и Kubernetes, компенсация может быть выше среднего по рынку DevOps/SRE.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
#junior #middle #удаленка #гибрид
Selectel
AI архитектор
Опыт работы: 1–3 года
Полная занятость
График: 5/2
Формат работы: удалённо или гибрид
*☑️* Чем предстоит заниматься
-Развитие платформы и сервисов внедрение новых возможностей и сервисов развитие и улучшение существующих компонентов создание и развитие внутренних инструментов для работы с AI-сервисами
-Разработка и развитие технических решений самостоятельная реализация изменений и доработок подготовка технических заданий для смежных команд участие в проектировании и развитии архитектуры платформы выбор и внедрение новых технических решений
-Сопровождение и эксплуатация платформы обеспечение стабильной и бесперебойной работы сервиса мониторинг состояния платформы и анализ производительности
-Работа с инфраструктурой AI-моделей сопровождение сервисов запуска и обслуживания моделей развитие инфраструктуры GPU
-Оптимизация работы моделей и вычислительных ресурсов настройка маршрутизации запросов и отказоустойчивости сопровождение многомодельной архитектуры платформы
-Взаимодействие с внутренними пользователями изучение опыта использования платформы сбор и анализ обратной связи
-Улучшение удобства работы с сервисом помощь командам при подключении и интеграции
-Подготовка и поддержка технической документации ведение пользовательской документации описание процессов, ограничений и рекомендаций по использованию
*☑️* Наши пожелания к кандидатам
-Опыт работы с Kubernetes в промышленной эксплуатации и с инфраструктурой AI/LLM
-GPU-инфраструктуры и NVIDIA stack
-Опыт работы с vLLM / SGLang
-Опыт работы с OpenAI-совместимыми API
-Опыт работы с сетевой инфраструктурой и системами мониторинга
-Опыт разработки внутренних инструментов на Go или Python
-Способность самостоятельно сопровождать и развивать сервис целиком
Контакты: Откликнуться / Telegram Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Kubernetes
- LLM
- GPU
- NVIDIA Stack
- vLLM
- SGLang
- OpenAI API
- Go
- Python
- Monitoring Systems
Возможные вопросы на собеседовании
Проверка практического опыта работы с ключевым стеком для инференса моделей.
Расскажите о вашем опыте оптимизации vLLM или SGLang. С какими основными проблемами производительности вы сталкивались?
Важно понимать, как кандидат обеспечивает стабильность GPU-кластеров.
Как вы организуете мониторинг и алертинг для GPU-инфраструктуры в Kubernetes? Какие метрики считаете критическими?
Вакансия предполагает самостоятельную реализацию изменений.
Опишите архитектуру OpenAI-совместимого API, которое вы проектировали или поддерживали. Как там была реализована маршрутизация запросов?
Проверка навыков автоматизации и разработки внутренних инструментов.
Для каких задач в AI-инфраструктуре вы предпочитаете использовать Go, а для каких Python? Приведите пример созданного вами инструмента.
Оценка способности кандидата работать с отказами в распределенных системах.
Как вы обеспечиваете отказоустойчивость при работе с многомодельной архитектурой платформы?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
