- Страна
- Россия
Откликайтесь
на вакансии с ИИ

MLOps
«Лаборатория Касперского» — это сильный бренд с мировым именем, предлагающий работу над сложными и социально значимыми продуктами. Позиция MLOps сейчас крайне востребована, что гарантирует профессиональный рост и конкурентные условия.
Сложность вакансии
Роль требует не только навыков DevOps и ML, но и понимания специфики информационной безопасности. Работа в крупной корпорации подразумевает высокие стандарты качества кода и безопасности инфраструктуры.
Анализ зарплаты
Зарплата в объявлении не указана, но для позиции MLOps в Москве в компаниях уровня Tier-1 она обычно находится в диапазоне от 250 000 до 450 000 рублей в зависимости от грейда. Это соответствует или слегка превышает средние рыночные показатели.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в Лаборатория Касперского уже сейчас
Присоединяйтесь к команде мирового лидера в кибербезопасности и развивайте MLOps-инфраструктуру в «Лаборатории Касперского»!
Описание вакансии
Требуется «MLOps» (Москва)
Компания «Лаборатория Касперского» ищет хорошего специалиста на вакансию «MLOps». Москва (Россия). Требуемые навыки: #Информационнаябезопасность.
👉@progjob
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Python
- Kubernetes
- CI/CD
- MLOps
- Information Security
- Docker
Возможные вопросы на собеседовании
MLOps инженер должен уметь автоматизировать весь цикл жизни модели.
Расскажите о вашем опыте построения сквозных CI/CD пайплайнов специально для ML-проектов (от обучения до деплоя).
В Касперском критически важна безопасность данных и моделей.
Какие практики безопасности вы применяете при работе с ML-инфраструктурой и хранении артефактов моделей?
Необходимо понимать, как отслеживать качество моделей в продакшене.
Как вы организуете мониторинг дрейфа данных (data drift) и деградации моделей в реальном времени?
MLOps часто работает с Docker и Kubernetes.
Опишите ваш опыт оркестрации ML-нагрузок в Kubernetes: какие инструменты (например, Kubeflow, BentoML) вы использовали?
Важно понимать, как кандидат оптимизирует использование ресурсов.
Как вы решаете проблему эффективного распределения GPU-ресурсов между несколькими командами исследователей?
Похожие вакансии
ML разработчик (Senior)
Senior / Middle+ Data Scientist
MlOps / Python Backend Engineer (ML)
ML разработчик (Middle)
Data Scientist Senior
Senior Data Scientist
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!