- Страна
- Россия
Откликайтесь
на вакансии с ИИ
MLOps Engineer
Оценка ИИХорошая вакансия для специалистов среднего уровня с четким стеком технологий. Однако отсутствие информации о компании и уровне зарплаты снижает общую привлекательность.
Сложность вакансии
Оценка ИИПозиция требует глубоких знаний как в классическом DevOps (K8s, сети, Ansible), так и в специфическом ML-стеке (Triton, MLFlow, фреймворки). Необходим опыт от 2.5 лет и высшее образование.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для MLOps-инженера с опытом от 2.5 лет на российском рынке медиана составляет около 300,000 - 350,000 рублей. Специалисты с навыками работы с Triton и Kubernetes высоко ценятся и могут претендовать на верхнюю границу рынка.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Отправьте свой профиль Татьяне в LinkedIn, чтобы стать частью команды и развивать MLOps-инфраструктуру для сложных ML-моделей!
Описание вакансии
MLOps Engineer
#MLOpsEngineer #Engineer #РФ
Требования:
Опыт: от 2.5 лет. Опыт работы в роли MLOps Engineer от 2,5 лет. Законченное высшее образование. Знание абстракций и контроллеров в Kubernets: Deployment, StatefulSet, CronJob, Job. Знание сетей и модели TCP/IP, разница между L4 и L7 балансировкой. Опыт с Docker, понимание принципов построения контейнеров и их работы. Знание Helm как пакетного менеджера и шаблонизатора для Kubernetes. Знания в области программирования, умение автоматизировать рутинные задачи. Знание Ansible. Опыт с Sklearn, TensorFlow, PyTorch и т.п. Опыт использования различных типов моделей машинного обучения, применяемых в NLP и Computer Vision. Опыт написания модельных сервисов. Знание основных метрик качества моделей машинного обучения. Опыт в использовании инструментов в области применения искусственного интеллекта: Triton, MLFlow. Опыт промышленной разработки на Python или Java.
Локация:📍РФ.
Контакт для отклика: Откликнуться
Про карьеру, рост и ценность себя: @jobstobeloved
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- PyTorch
- Kubernetes
- Helm
- Computer Vision
- NLP
- Scikit-learn
- Docker
- Java
- TensorFlow
- MLflow
- TCP/IP
- Ansible
- Triton Inference Server
Возможные вопросы на собеседовании
Проверка понимания сетевой инфраструктуры, критически важной для балансировки нагрузки ML-сервисов.
В чем ключевое различие между L4 и L7 балансировкой нагрузки, и в каких случаях для ML-моделей предпочтительнее использовать L7?
MLOps инженер должен уметь эффективно упаковывать модели для продакшена.
Какие лучшие практики создания Docker-образов для ML-приложений вы используете, чтобы минимизировать их размер и ускорить запуск?
Проверка опыта работы с инструментами инференса, указанными в вакансии.
Расскажите о вашем опыте настройки Triton Inference Server. Какие преимущества он дает по сравнению с простым Flask/FastAPI оберткой для модели?
Проверка навыков управления ресурсами в Kubernetes.
В каких ситуациях при развертывании ML-сервисов в Kubernetes вы бы предпочли использовать StatefulSet вместо Deployment?
Оценка понимания специфики работы с ML-моделями.
Как вы интегрируете MLFlow в CI/CD пайплайн для автоматизации версионирования и деплоя моделей?
Похожие вакансии
Junior AI Engineer
AI Engineer (Agents)
Разработчик AI-инфраструктуры (Python)
Senior Python AI Developer
Ai Tech Lead
AI-разработчик / вайбкодер
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!