- Страна
- Россия
Откликайтесь
на вакансии с ИИ
MLOps Engineer (Lead)
Оценка ИИИнтересная позиция лидерского уровня в технологичной компании с четким стеком технологий. Из минусов — возрастные ограничения в описании (что может быть спорным моментом) и отсутствие указанной вилки зарплаты.
Сложность вакансии
Оценка ИИРоль уровня Lead требует не только глубоких технических знаний в DevOps и ML (Kubernetes, Hadoop, MLflow), но и управленческих навыков для руководства стримом проектов. Высокие требования к опыту работы с CUDA и специализированными ML-инструментами повышают порог входа.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для позиции Lead MLOps в РФ рыночные показатели стартуют от 350 000 рублей. Верхняя граница может достигать 600 000 рублей и выше в зависимости от сложности задач и объема ответственности. Данная вакансия предполагает работу через ИП, что обычно подразумевает более высокие ставки для компенсации налогов и отсутствия соцпакета.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Eclipse Digital уже сейчас
Станьте лидером MLOps-стрима в Eclipse Digital и создавайте инфраструктуру будущего для машинного обучения!
Описание вакансии
ID 2415
MLOps Engineer
Lead
Возраст от 25 до 45 лет
🌍 Локация: РФ
💼Сотрудничество : по ИП РФ
Eclipse Digital - наниматель
Требования:
Что мы ожидаем от кандидата:
- Опыт DevOps от 3х лет (decker, helm, jenkins\gitlab CI, python)
- Опыт ML/MLOps от 1 года (airflow, jupyterhub, mlflow, seldon, cuda)
- Опыт администрирования Kubernetes от 2х лет
- Опыт работы Hadoop, Spark, Kafka, ELK
Личные качества:
- Самостоятельность в доведении задач до результата
- Проактивность и инициативность в предложениях по рефакторингу
- Полное погружение в инфраструктуру и команду
- Командность, готовность помогать коллегам и пользователям
- Умение собрать общую картину ожидаемого результата, вместо решения конкретно поставленной задачи
Чем предстоит заниматься:
- Лидировать стрим MLOps проектов
- Конфигурировать и разворачивать инфраструктурные компоненты
- Адаптировать/разрабатывать с нуля автоматизированные пайплайны под актуальные бизнес-задачи (MLOps, AutoML)
- Создавать и поддерживать пользовательские инструменты для работы в едином ML-контуре применения и обучения
- Масштабировать разрабатываемые системы и инструменты для управления жизненным циклом моделей машинного обучения
Откликнуться можно
- в telegram Откликнуться
- в Откликнуться
veroneko_93911
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Docker
- Helm
- Jenkins
- GitLab CI
- Python
- Airflow
- JupyterHub
- MLflow
- Seldon
- CUDA
- Kubernetes
- Hadoop
- Spark
- Kafka
- ELK stack
Возможные вопросы на собеседовании
Проверка опыта управления жизненным циклом моделей и выбора инструментов.
Расскажите о вашем опыте построения CI/CD пайплайнов именно для ML-моделей. Какие инструменты (MLflow, Seldon) вы предпочитаете и почему?
Важно для понимания навыков масштабирования инфраструктуры.
С какими сложностями вы сталкивались при развертывании ML-сервисов в Kubernetes и как решали проблемы с распределением ресурсов (GPU/CUDA)?
Вакансия предполагает работу с большими данными.
Как вы интегрируете Spark и Hadoop в общий MLOps цикл? Какую роль они играют в ваших пайплайнах обработки данных?
Проверка лидерских качеств и системного мышления.
Как вы подходите к задаче 'сбора общей картины' проекта, когда вводные данные ограничены конкретными техническими тикетами?
Оценка навыков мониторинга и поддержки.
Как вы организуете мониторинг качества моделей в продакшене и процесс их автоматического переобучения (Retraining)?
Похожие вакансии
Tech Lead Data Engineer / Руководитель сопровождения и развития СККД
ML Lead
Team Lead Data Science / ML
MLOps инженер (Team Lead)
MLOps инженер (Тимлид)
Data аналитик TeamLead (Телекоммуникации)
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!