- Страна
- Россия
- Зарплата
- 240 000 ₽ – 264 000 ₽
Откликайтесь
на вакансии с ИИ
DevOps инженер
Оценка ИИХорошая ставка для Middle+/Senior уровня, долгосрочный проект и работа с современным ML-стеком. Однако ограничение по оформлению (только ИП) может подойти не всем.
Сложность вакансии
Оценка ИИТребуется опыт уровня Middle+/Senior, а также специфические навыки работы с ML-инфраструктурой (MLflow, model serving), что сужает круг подходящих кандидатов.
Анализ зарплаты
Оценка ИИПредложенная ставка (240-264к на руки через ИП) находится в пределах рыночного медианного диапазона для DevOps-инженеров уровня Middle+/Senior в России, хотя для Senior-позиций верхняя планка рынка может быть выше.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Top Selection уже сейчас
Присоединяйтесь к Top Selection и развивайте ML-инфраструктуру на долгосрочном проекте!
Описание вакансии
#Devopsвакансия #Devopsинженер #Devops
❇️ DevOps инженер ❇️ | Компания Top Selection
🔥 Мы в поиске DevOps инженера на проектную занятость
Грейд: middle+|senior
Ставка: от 240К до 264К
Гражданство/Локация: РФ
Загрузка: фуллтайм
Срок: долгосрочный
Оформление: только ИП 📌 (не СЗ, не ТК)
✅ Обязательные требования:
• Коммерческий опыт работы DevOps-инженером уровня Middle+ или Senior.
• Уверенное знание и практический опыт работы с Kubernetes.
• Опыт работы с Docker.
• Опыт построения и сопровождения CI/CD-пайплайнов в GitLab CI/CD.
• Опыт настройки и эксплуатации мониторинга с использованием Prometheus и Grafana.
• Опыт сопровождения ML-инфраструктуры
• Практический опыт работы с MLflow и решениями для model serving
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Kubernetes
- Prometheus
- Grafana
- Docker
- MLflow
- GitLab CI/CD
- Model Serving
Возможные вопросы на собеседовании
Вакансия подразумевает работу с ML-инфраструктурой. Важно понимать, как кандидат обеспечивает доступность моделей.
Расскажите о вашем опыте настройки решений для model serving. С какими трудностями вы сталкивались при деплое ML-моделей?
MLflow — ключевое требование. Нужно проверить практический опыт интеграции.
Как вы организовывали процесс отслеживания экспериментов и хранения моделей с помощью MLflow в Kubernetes?
Kubernetes является базовым требованием для данной роли.
Опишите наиболее сложный кейс траблшутинга в кластере Kubernetes, с которым вы сталкивались в продакшене.
GitLab CI/CD используется для автоматизации. Важно умение строить сложные пайплайны.
Как вы оптимизируете CI/CD пайплайны в GitLab для ускорения сборки и доставки тяжелых ML-контейнеров?
Мониторинг критичен для ML-систем.
