- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Data Scientist (MLOps)
Оценка ИИИнтересный технологический стек (LLM, GenAI, Kubeflow) и долгосрочный характер проекта. Однако отсутствие названия компании и четко указанной вилки зарплаты снижают прозрачность предложения.
Сложность вакансии
Оценка ИИРоль требует глубоких знаний на стыке Data Science и DevOps (MLOps), включая работу с GPU-кластерами, Kubernetes и специфическими инструментами вроде Kubeflow. Высокая сложность обусловлена необходимостью поддержки инфраструктуры для LLM и RAG-систем.
Анализ зарплаты
Оценка ИИДля позиции Middle MLOps/Data Scientist на российском рынке предлагаемая роль находится в стандартном диапазоне, хотя отсутствие конкретных цифр в вакансии требует уточнения при подаче. Рыночные ставки для таких специалистов сейчас одни из самых высоких в IT из-за дефицита экспертизы в LLM-инфраструктуре.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Откликайтесь прямо сейчас, чтобы принять участие в долгосрочном проекте по развертыванию LLM-платформ!
Описание вакансии
ID 3411
Data Scientist
Middle
РФ/РБ
"Загрузка: Fulltime
Длительность: Долгосрочный проект
*❗️Обязательные данные по кандидату при подаче: ❗️*
● ФИО
● Страна+Город
● Грейд
● Ставка
● Дата рождения
● Когда готов стартовать
Основные требования
Развертывание и поддержка LLM-платформы в Kubernetes (Helm, Terraform, K8s Operators)
Настройка CI/CD для ML/AI сервисов (обучение, inference, data pipelines)
Автоматизация ML workflow в Kubeflow
Настройка и поддержка мониторинга моделей (latency, drift, cost metrics)
Управление пайплайнами данных для обучения и inference (Kafka, DataLake, объектное хранилище S3, векторные БД)
Оптимизация работы GPU-кластера (распределённое обучение, эффективное использование ресурсов)
Обеспечение безопасности и комплаенса: изоляция сред, контроль доступа, логирование
Задачи на проекте
Опыт работы с Kubernetes и облачными/on-prem кластерами
Знание Python и инструментов ML Ops (Kubeflow, Airflow)
Опыт настройки CI/CD (Jenkins)
Опыт работы с системами хранения и векторными БД (Weaviate/Qdrant/PGVector)
Знания в области мониторинга и логирования (Prometheus, Grafana, ELK, OpenTelemetry)
Понимание принципов работы LLM/GenAI и RAG-систем будет плюсом
*❗️**❗️**❗️Писать {{apply_contact}}⚡️**⚡️**⚡️**⚡️ С РЕЗЮМЕ В КОТОРОМ УКАЗАН ВОЗРАСТ И ЛОКАЦИЯ НАХОЖДЕНИЯ. Укажите 🆔 вакансии❗️ Без этой информации отклики не рассматриваются ❗️**❗️*
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Terraform
- LLM
- Kubernetes
- Helm
- Prometheus
- Grafana
- OpenTelemetry
- CI/CD
- RAG
- Airflow
- Kafka
- Jenkins
- Generative AI
- Kubeflow
- S3
- Weaviate
- ELK
- Qdrant
Возможные вопросы на собеседовании
Проверка опыта работы с инфраструктурой для ML.
Расскажите о вашем опыте развертывания и масштабирования ML-сервисов в Kubernetes с использованием Helm-чартов.
Важно для оптимизации затрат и производительности при работе с LLM.
Какие стратегии вы используете для оптимизации использования ресурсов GPU в кластере при распределенном обучении?
Проверка навыков работы с современными архитектурами поиска.
С какими векторными базами данных вы работали и как настраивали интеграцию с ними для RAG-систем?
Оценка умения автоматизировать жизненный цикл модели.
Как вы организуете мониторинг дрейфа данных и метрик инференса в Kubeflow?
Проверка навыков построения надежных пайплайнов.
Опишите ваш подход к обеспечению безопасности и изоляции сред при работе с чувствительными данными в ML-пайплайнах.
Похожие вакансии
ML-инженер
Data engineer
Data инженер (Middle+)
Data Scientist Middle +
Data Scientist Middle
Data Engineer Middle
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!