DevOps/MLOps (senior)
Оценка ИИИнтересная роль на стыке DevOps и AI в технологичной компании. Полная удаленка и работа с современным стеком (LLM, K8s, Vault) делают вакансию привлекательной для опытных специалистов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью глубоких знаний как в классическом DevOps (K8s, CI/CD, Helm), так и в специфике MLOps (GPU, LLM, инференс моделей). Требуется опыт работы от 3 до 6 лет и владение широким стеком инструментов.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИВ вакансии не указан точный уровень оплаты, однако для позиции Senior DevOps/MLOps инженера с опытом от 3 лет рыночный диапазон в России составляет от 300 000 до 500 000 рублей. Предложение будет конкурентоспособным, если попадет в эти рамки.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Лоция
DevOps/MLOps (senior)
Опыт работы: 3–6 лет
Полная занятость
График: 5/2
Формат работы: удалённо
*☑️* Чем предстоит заниматься
-развёртыванием ML-моделей и AI-сервисов, локальных моделей (LLM, ML-модели) в различных средах
-управлением версиями моделей и их хранением (NFS/MinIO)
-подготовкой окружений для инференса и тестирования моделей
-развёртыванием сервисов AI-агентов, чат-ботов и ML-сервисов в Kubernetes и docker compose
-работой с большими моделями и GPU в kubernetes и docker
-CI/CD для ML-сервисов и инфраструктуры
-сборкой Docker-образов, npm пакетов, артефактов
-написание и рефакторингом пайплайнов в Azure DevOps
-участием в разработке Dockerfile для ML-сервисов, консультациями
-сборкой базовых образов
-работой с docker-compose, рантаймами: containerd, Docker, podman
-контролем отсутствия секретов в docker слоях
-эксплуатацией и сопровождением Kubernetes-кластеров
-разработкой и рефакторингом Helm charts
-работой с TLS/SSL сертификатами и их ротацией, в т.ч. через nginx
-сбором логов контейнеров
-интеграцией логов с Elastic/Logstash,к с VictoriaMetrics/Prometheus
-управлением секретами Kubernetes и HC Vault
-интеграцией ML pipeline с CI/CD
-подготовкой инфраструктуры для обучения моделей
-диагностикой проблем запуска моделей и сервисов
-отладкой Kubernetes workload
-оптимизацией использования ресурсов (CPU/GPU/RAM)
-подготовкой технической документации
*☑️* Наши пожелания к кандидатам
-опыт работы DevOps/MLOps инженером
-опыт работы с Kubernetes
-опыт контейнеризации (Docker, docker-compose)
-опыт работы с CI/CD
Контакты: Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Kubernetes
- Docker
- Docker Compose
- CI/CD
- MLOps
- Azure DevOps
- Helm
- MinIO
- NFS
- HashiCorp Vault
- Prometheus
- VictoriaMetrics
- ElasticSearch
- Logstash
- Nginx
- GPU
- LLM
- Podman
- containerd
Возможные вопросы на собеседовании
Проверка опыта работы с аппаратными ресурсами для ML.
Расскажите о вашем опыте проброса и управления GPU ресурсами в Kubernetes кластерах. С какими сложностями вы сталкивались?
Оценка навыков работы с хранилищами для моделей.
Как вы организуете версионирование и хранение весов ML-моделей при использовании MinIO или NFS в пайплайнах?
Проверка владения инструментами автоматизации.
Опишите ваш подход к созданию Helm-чартов для сложных ML-сервисов. Как вы управляете зависимостями и конфигурациями?
Безопасность инфраструктуры.
Каким образом вы реализуете ротацию секретов и TLS-сертификатов в связке с HashiCorp Vault и Nginx?
Мониторинг и отладка.
Как вы настраиваете мониторинг потребления ресурсов (CPU/GPU/RAM) для ML-ворклоадов с помощью VictoriaMetrics и Prometheus?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
