- Страна
- Россия
MLOps Engineer
Оценка ИИИнтересная позиция в известной сервисной компании с современным стеком (LLM, AI-агенты) и возможностью удаленной работы. Четко прописанные требования и актуальные технологии делают вакансию привлекательной для опытных инженеров.
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 глубоких знаний как в классическом Data Engineering (Spark, Greenplum), так и в современных MLOps инструментах и работе с LLM. Высокий порог входа обусловлен необходимостью опыта от 3.5 лет и владением сложным стеком технологий.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для специалиста уровня Middle+ с опытом от 3.5 лет в сфере MLOps рыночные предложения в РФ и СНГ обычно находятся в диапазоне 300,000 – 450,000 рублей. Специалисты со знанием LLM-стека сейчас высоко ценятся и могут претендовать на верхнюю границу рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Aston
MLOps Engineer
Опыт работы: от 3,5 лет
Формат работы: можно удалённо
*☑️* Чем предстоит заниматься
-Создавать AI-агенты и платформы для них
-Строить MLOps-инфраструктуру
-Работать с данными для ML
*☑️* Наши пожелания к кандидатам
-Опыт работы в роли MLOps Engineer/Data Engineer/Python ML от 3,5 лет
-Production-опыт с фреймворками MLOps: Kubeflow, MLflow, Airflow для оркестрации, понимание их интеграции в CI/CD пайплайны
-Опыт работы с Docker и Kubernetes (в контексте развертывания моделей как сервисов)
-Опыт работы с одним из major cloud-провайдеров (желательно GCP или AWS/Azure с пониманием hybrid-cloud)
-Умение работать с большими данными, опыт с Greenplum или аналогичными MPP-системами (Teradata, Exasol)
-Знание распределенных вычислений (Spark)
-Опыт работы с LangChain/LlamaIndex, FastAPI, знание фреймворков для работы с LLM (Hugging Face, vLLM и т.д.)
-Отличные знания Python, SQL на очень высоком уровне для работы с data vault
-Знания Git, GitLab CI/CD
Контакты: Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- MLOps
- Kubeflow
- MLflow
- Airflow
- Docker
- Kubernetes
- GCP
- AWS
- Azure
- Greenplum
- Spark
- LangChain
- LlamaIndex
- FastAPI
- Hugging Face
- Python
- SQL
- Git
- GitLab CI/CD
Возможные вопросы на собеседовании
Проверка практического опыта работы с основными инструментами оркестрации, указанными в вакансии.
Расскажите о вашем опыте интеграции Kubeflow или MLflow в CI/CD пайплайны. С какими основными сложностями вы сталкивались?
Вакансия предполагает работу с большими данными и MPP-системами.
Как вы оптимизируете SQL-запросы при работе с Data Vault в Greenplum или аналогичных системах?
В требованиях указаны LangChain и vLLM, что критично для работы с AI-агентами.
Каков ваш подход к деплою и масштабированию LLM-сервисов с использованием vLLM в среде Kubernetes?
Проверка навыков построения инфраструктуры.
Опишите архитектуру AI-платформы, которую вы бы спроектировали для поддержки множества независимых AI-агентов.
Важный аспект MLOps — автоматизация процессов.
Как вы организуете мониторинг качества моделей и данных (data drift/model drift) в продакшене?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
