- Страна
- Россия
- Зарплата
- 300 000 ₽ – 350 000 ₽
DevOps-инженер
Оценка ИИПривлекательная вакансия с конкурентной зарплатой, удаленным форматом работы и интересными задачами на стыке DevOps и ML. Компания Centicore известна на рынке IT-аутстаффинга и разработки.
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 не только классических навыков DevOps (Kubernetes, CI/CD), но и специфического опыта работы с Big Data стеком (Hadoop, Spark) и MLOps, что повышает порог входа.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредлагаемая зарплата 300 000 – 350 000 ₽ на руки полностью соответствует рыночному уровню для Senior DevOps инженера в России, работающего с ML-стеком.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
DevOps-инженер в Centicore
*💰*300 000 ₽ – 350 000 ₽ на руки
*📌*Условия и бонусы:
Фултайм, удаленно (РФ).
*📌*Задачи:
– Конфигурировать и разворачивать инфраструктурные компоненты.
– Адаптировать/разрабатывать с нуля автоматизированные пайплайны под актуальные бизнес-задачи (MLOps, AutoML.
– Создавать и поддерживать пользовательские инструменты для работы в едином ML-контуре применения и обучения.
– Масштабировать разрабатываемые системы и инструменты для управления жизненным циклом моделей машинного обучения.
*📌*Наши ожидания:
– Опыт DevOps от 3 лет.
– Опыт администрирования Kubernetes от 2х лет.
– Опыт работы Hadoop, Spark, Kafka, EL.
*✍🏼*Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Kubernetes
- Hadoop
- Apache Spark
- Apache Kafka
- MLOps
- AutoML
- CI/CD
Возможные вопросы на собеседовании
Проверка практического опыта управления кластерами K8s.
Расскажите о самом сложном инциденте в Kubernetes, с которым вы столкнулись, и как вы его диагностировали и устранили?
Оценка понимания специфики MLOps, заявленной в задачах.
В чем, по вашему мнению, основные отличия CI/CD пайплайнов для обычных микросервисов и для ML-моделей?
Проверка навыков работы с Big Data стеком.
Как вы обеспечиваете отказоустойчивость и мониторинг для кластеров Kafka и Spark?
Оценка навыков автоматизации инфраструктуры.
Какие инструменты IaC вы предпочитаете использовать для развертывания инфраструктурных компонентов и почему?
Проверка умения масштабировать системы.
С какими узкими местами вы сталкивались при масштабировании ML-инструментов и как решали проблему производительности?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
