- Страна
- Россия
- Зарплата
- до 250 000 ₽
MLOps Engineer (LLM / Multi-Agent Systems / Kubernetes / RAG)
Оценка ИИМТС — сильный бренд с масштабными проектами. Вакансия предлагает работу с самым современным стеком (LLM, RAG), удаленный формат и конкурентную зарплату, хотя верхняя планка может быть ниже рыночного максимума для Senior-позиций.
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 DevOps (Kubernetes, Docker), так и в специфических ML-инструментах, включая современные фреймворки для работы с LLM. Высокая планка ожиданий по опыту с RAG и мультиагентными системами.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредложенная зарплата в 250 000 руб. на руки является достойной для уровня Middle+/Senior MLOps инженера в российском финтехе и телекоме, однако на открытом рынке для специалистов с глубоким знанием LLM и K8s встречаются предложения до 350 000 - 450 000 руб. в зависимости от грейда.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
MLOps Engineer (LLM / Multi-Agent Systems / Kubernetes / RAG) МТС
Зарплата: до 250 000 руб. на руки в месяц
Местоположение: РФ
Формат работы: Удаленно
Опубликована: 09.10.2026
Требования:
• Глубокое понимание и опыт работы с Docker и Kubernetes (K8s)
• Опыт построения CI/CD for ML
• Владение инструментами MLOps: MLflow, ClearML, Kubeflow, DVC
• Опыт работы с фреймворками LangChain, LangGraph, LlamaIndex
Важно:
*⚠️* Локация/Гражданство: РФ.
О компании:
Проект: построение и развитие MLOps-платформ для машинного обучения с фокусом на LLM-решения, RAG-пайплайны и мультиагентные системы.
Контакт: Откликнуться
Откликнуться опубликована в LinkedIn у Анастасия Гритчук
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Docker
- Kubernetes
- CI/CD
- MLflow
- ClearML
- Kubeflow
- DVC
- LangChain
- LangGraph
- LlamaIndex
- LLM
- RAG
Возможные вопросы на собеседовании
Проверка практического опыта работы с оркестрацией контейнеров в контексте ML-нагрузок.
Расскажите о вашем опыте развертывания и масштабирования ML-моделей в Kubernetes. С какими основными сложностями вы сталкивались?
Оценка навыков автоматизации процессов обучения и деплоя.
Как вы организуете CI/CD пайплайны для ML-проектов? Какие инструменты (MLflow, DVC и др.) вы считаете наиболее эффективными для версионирования данных и моделей?
Проверка актуальных знаний в области LLM Ops.
В чем заключаются особенности MLOps для LLM и RAG-систем по сравнению с классическими моделями машинного обучения?
Оценка опыта работы с современными фреймворками для агентов.
Был ли у вас опыт работы с LangChain или LangGraph? Как вы подходите к мониторингу и отладке мультиагентных систем?
Проверка навыков управления ресурсами.
Как вы оптимизируете использование GPU ресурсов в кластере Kubernetes при работе с тяжелыми языковыми моделями?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
