- Страна
- Россия
- Зарплата
- 280 000 ₽ – 350 000 ₽
Откликайтесь
на вакансии с ИИ
MLOps Engineer
Оценка ИИПривлекательная вакансия с конкурентной зарплатой и четким стеком технологий. Удаленный формат работы и фокус на современные MLOps-практики делают предложение актуальным для опытных инженеров.
Сложность вакансии
Оценка ИИРоль требует глубокой экспертизы на стыке DevOps и Data Science. Необходимо не только владеть стандартным стеком контейнеризации, но и специализированными инструментами вроде Kubeflow и MLflow.
Анализ зарплаты
Оценка ИИПредложенная зарплата (280-350к) полностью соответствует рыночному уровню для Senior MLOps специалиста в России. Верхняя планка в 350 000 ₽ является стандартом для опытных инженеров в крупных технологических компаниях.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в MIA-Dev уже сейчас
Присоединяйтесь к команде MIA Dev и выстраивайте передовую MLOps-инфраструктуру для масштабных ML-проектов!
Описание вакансии
MLOps Engineer в MIA Dev
💰280 000 ₽ – 350 000 ₽ на руки
📌Условия и бонусы:
Фултайм, удаленно (РФ).
📌Наши ожидания:
– коммерческий опыт в роли MLOps/DevOps Engineer от 3-х лет;
– уверенное владение Kubernetes, Docker и Docker Compose;
– опыт работы с MLOps-стеком: MLflow, Kubeflow, DVC, Airflow/Prefect или аналогами;
– понимание жизненного цикла ML-моделей и опыт интеграции с PyTorch/TensorFlow/scikit-learn на уровне инфраструктуры;
– опыт настройки мониторинга инфраструктуры и моделей (Prometheus, Grafana, Evidently, WhyLabs);
– знание Python, Bash, опыт работы с облачными платформами (Yandex Cloud, AWS, GCP);
– готовность к тесному взаимодействию с Data Science и ML-инженерами.
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- AWS
- Python
- GCP
- PyTorch
- Kubernetes
- Bash
- Prometheus
- Grafana
- Scikit-learn
- Docker
- Airflow
- TensorFlow
- Kubeflow
- MLflow
- DVC
- Prefect
- Docker Compose
- Yandex Cloud
- Evidently
- WhyLabs
Возможные вопросы на собеседовании
Проверка опыта работы с ключевым инструментом оркестрации ML-пайплайнов.
Расскажите о вашем опыте настройки и масштабирования Kubeflow в продакшн-среде. С какими сложностями вы сталкивались?
Важно понимать, как кандидат обеспечивает воспроизводимость экспериментов.
Как вы организуете версионирование данных и моделей с помощью DVC в связке с Git?
MLOps требует специфического мониторинга, отличного от классического DevOps.
Какие метрики, помимо системных, вы отслеживаете для мониторинга качества работы ML-моделей (model drift, data drift)?
Проверка навыков автоматизации CI/CD для ML.
Опишите процесс автоматизированного переобучения и деплоя модели при изменении входных данных.
Оценка навыков работы с облачной инфраструктурой.
Был ли у вас опыт оптимизации затрат на GPU-ресурсы в Yandex Cloud или других облачных провайдерах?
Похожие вакансии
ML разработчик (Senior)
Senior / Middle+ Data Scientist
MlOps / Python Backend Engineer (ML)
Data Scientist Senior
Senior/Middle Data Engineer
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!