MLOps Engineer
Оценка ИИОтличная вакансия в топовой компании Казахстана с доступом к самому современному железу (H200/B200). Четко описанный стек и амбициозные задачи делают позицию крайне привлекательной для профессионального роста.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена широким стеком технологий (от Kubernetes до специфичных методов оптимизации LLM вроде LoRA/PEFT) и работой с передовым оборудованием (H200/B200). Требуется глубокая экспертиза на стыке DevOps и Data Science.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для позиции MLOps уровня Middle+/Senior в Алматы рыночный диапазон составляет от 1 200 000 до 2 000 000 KZT (в эквиваленте). Kaspi обычно предлагает конкурентные условия, соответствующие верхней границе рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Мы сейчас в поиске MLOps Engineer.
Только офисный формат работы в городе Алматы.
Вам предстоит:
Развитие и поддержка ML-инфраструктуры (Linux, Docker, Kubernetes, Python, GitLab CI, Git, Kubeflow, Prometheus, Grafana Airflow S3 / MinIO HelmPyTorch / TensorFlow Fine-tuning — LoRA, QLoRA, PEFT Дистилляция RAG,Hugging Face Quantization, ONNX, TensorRT)
Автоматизация и оптимизация CI/CD пайплайнов для моделей машинного обучения.(Gitlab, Airflow, Kubeflow)
Интеграция LLM и других моделей в продакшн-окружение.
Мониторинг производительности и ресурсов (GPU, S3, кластерные системы).
Работа с контейнеризацией и оркестрацией (Docker, Kubernetes) в высоконагруженной среде.
Участие в отладке и оптимизации моделей, деплое, диагностике и устранении инцидентов.
Также есть возможность влиять на архитектурные решения: GPU-кластеры B200/H200, capacity planning, оптимизация ресурсов.
Мы ожидаем от вас:
Опыт работы от 2-3 лет+
Опыт работы в роли MLOps/ ML / DevOps.
*📩 Отправляйсвое резюме и краткое сопроводительное письмо(опыт по стеку, ЗП ожидания) напочту: {{apply_contact}} или в Telegram {{apply_contact}}.Буду рада рекомендациям и репостам 😊Мы ждем тебя в нашей команде 😉*
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Linux
- Docker
- Kubernetes
- Python
- GitLab CI
- Git
- Kubeflow
- Prometheus
- Grafana
- Airflow
- S3
- MinIO
- Helm
- PyTorch
- TensorFlow
- LoRA
- QLoRA
- PEFT
- RAG
- Hugging Face
- ONNX
- TensorRT
Возможные вопросы на собеседовании
Проверка опыта работы с инструментами оркестрации ML-процессов, указанными в вакансии.
Расскажите о вашем опыте настройки и масштабирования Kubeflow в продакшн-среде. С какими основными трудностями вы сталкивались?
Вакансия предполагает работу с LLM и их оптимизацию.
Какие методы оптимизации весов моделей (квантование, LoRA, PEFT) вы применяли на практике и как это влияло на производительность в продакшене?
Упоминается работа с GPU-кластерами B200/H200 и capacity planning.
Как вы подходите к мониторингу и планированию мощностей GPU-кластеров для обеспечения бесперебойной работы высоконагруженных ML-сервисов?
Важная часть роли — автоматизация доставки моделей.
Опишите ваш идеальный CI/CD пайплайн для ML-модели: от коммита в Git до деплоя в Kubernetes с использованием GitLab CI и Airflow.
Проверка навыков работы с хранилищами данных для ML.
Каков ваш опыт работы с S3/MinIO в контексте хранения артефактов моделей и датасетов? Как вы обеспечиваете версионирование данных?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
