- Страна
- Россия
- Зарплата
- от 200 000 ₽
DevOps Engineer на проект внедрения AI-платформы
Оценка ИИИнтересный проект на стыке DevOps и AI с работой над сложными инфраструктурными задачами. Однако гибридный формат с обязательными выездами в закрытые контуры может подойти не всем, а зарплата 'от 200к' для такого уровня компетенций (GPU, air-gapped) выглядит лишь стартовой планкой.
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 ИИВысокая сложность обусловлена необходимостью работы в закрытых (air-gapped) контурах и глубокими знаниями специфических AI-инструментов, таких как KubeRay и NVIDIA Device Plugin. Требуется полная автономность при развертывании инфраструктуры без доступа к интернету.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИУказанная зарплата от 200 000 руб. является начальной для Middle+/Senior DevOps инженера. Учитывая специфические требования к GPU и работе в закрытых контурах, рыночные предложения для таких специалистов в Москве обычно начинаются от 300 000 - 350 000 руб. на руки.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
#вакансия #DevOps #гибрид #itjobs
Ищем DevOps Engineer на проект внедрения AI-платформы
Опыт: от 4–5 лет
Формат: комбинированный = удаленно + выезды к заказчикам в Москве
Продолжительность проекта: от 6 месяцев
ЗП: от 200.000
⚡️ Важно: часть внедрений проходит в закрытых контурах заказчиков. Ориентировочно 60% проектов - удаленно, 40% - onsite в Москве
Требования:
☑️Готовность к очному выезду к заказчикам в МСК, для внедрения продукта к закрытых контурах
☑️Практический опыт развертывания и эксплуатации Kubernetes в production.
☑️Уверенное владение Kubespray — самостоятельное развертывание кластера с нуля, понимание работы архитектурных компонентов и их взаимодействия
☑️Опыт работы в закрытых (air-gapped) контурах без доступа к интернету.
☑️Умение самостоятельно подготовить все необходимые пакеты, образы и зависимости для offline-развертывания.
☑️Опыт установки и настройки сервисов в Kubernetes через Helm.
☑️Умение дебажить и дорабатывать Helm-чарты «на лету» в процессе внедрения.
☑️Уверенное знание Linux, Ansible, Terraform, Docker/Container Registry.
☑️Навыки диагностики и устранения проблем Kubernetes, Helm, Linux
☑️Опыт внедрения решений у заказчиков.
☑️Способность самостоятельно доводить внедрение от подготовки инфраструктуры до запуска и эксплуатации продукта.
☑️Важен опыт работы с различными БД и Сервисами в Kubernetes: Kafka, ClickHouse, Postgres, Qdrant, Traefik, Opensearch, Nats, NACK
☑️Важен опыт работы KubeRay Operator, NVIDIA Device Plugin
☑️Умения настраиванать ноды с GPU (nvidia-container-toolkit)
☑️Будем плюсом работа с Openstack
📩 Отклик: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Kubernetes
- Kubespray
- Helm
- Linux
- Ansible
- Terraform
- Docker
- Kafka
- ClickHouse
- PostgreSQL
- Qdrant
- Traefik
- OpenSearch
- NATS
- NVIDIA Device Plugin
- OpenStack
- GPU
Возможные вопросы на собеседовании
Проект предполагает работу в air-gapped средах. Важно понимать, как кандидат готовит зависимости.
Опишите ваш процесс подготовки артефактов (образов, бинарных файлов, Helm-чартов) для развертывания в контуре без доступа к интернету.
Kubespray указан как ключевой инструмент.
С какими основными проблемами вы сталкивались при использовании Kubespray и как вы их решали?
Вакансия связана с AI-платформой.
Каков ваш опыт настройки NVIDIA Device Plugin и мониторинга GPU-ресурсов в кластере Kubernetes?
Работа включает выезды к заказчикам.
Расскажите о случае, когда при внедрении у заказчика «на месте» что-то пошло не так. Как вы диагностировали и устранили проблему?
В стеке упомянуто много БД и брокеров.
Каковы особенности эксплуатации Kafka и ClickHouse внутри Kubernetes, и как вы обеспечиваете сохранность данных при обновлении кластера?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
