- Страна
- Россия
Откликайтесь
на вакансии с ИИ

MLOps-инженер
Сильный бренд работодателя, работа с передовыми технологиями (LLM, GPU-кластеры) и четко описанный стек технологий. Вакансия предлагает сложные инженерные задачи в стабильной и известной компании, что отлично подходит для профессионального роста.
Сложность вакансии
Роль требует редкого сочетания навыков классического DevOps и глубокого понимания ML-процессов, включая работу с GPU-планировщиками и оптимизацию LLM. Высокая планка ожиданий по опыту с Kubernetes и инфраструктурой для обучения моделей делает позицию сложной для кандидатов без профильного бэкграунда.
Анализ зарплаты
В вакансии зарплата не указана, однако для позиции MLOps-инженера такого уровня в Москве рыночные предложения обычно начинаются от 300 000 рублей. Учитывая требования к опыту с GPU-кластерами и LLM, итоговое предложение может быть выше среднего по рынку.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в Лаборатория Касперского уже сейчас
Присоединяйтесь к команде мирового лидера в сфере кибербезопасности и стройте будущее AI-инфраструктуры вместе с «Лабораторией Касперского»!
Описание вакансии
**MLOps.
Локация:** #Москва.
Зарплата: ₽. Обсуждается на собеседовании.
Компания: Лаборатория Касперского.
Вам предстоит:• Проектировать архитектуру AI-систем (от прототипа до production);
• Внедрение GPU-планировщика (Kueue, Volcano или аналог) для шаринга нагрузки на одном железе;
• Проектирование и поддержка ML-пайплайнов (обучение, валидация, деплой моделей);
• CI/CD для моделей: версионирование данных, моделей, экспериментов;
• Мониторинг production-моделей (drift detection, performance tracking);
• Деплой и оптимизация LLM / inference-серверов (vLLM, TGI, Triton);
• Контейнеризация и оркестрация сервисов (Docker, K8s);
• CI/CD (GitLab CI, Jenkins);
• IaC (Terraform, Ansible);
• Мониторинг и observability (Prometheus, Grafana);
• Автоматизация рутинных операций;
• Обеспечение выполнения требований ИБ в отношении инфраструктуры;
• Ведение технической документации по вверенным ресурсам.
Ожидания:• Бэкграунд в ML/DS — понимание процессов обучения, инференса, работы с данными;
• Опыт от 2 лет в MLOps / DevOps с ML-спецификой (было бы огромным плюсом);
• Docker, Kubernetes (Helm, управление кластерами) — production-опыт;
• Python — уверенное владение;
• CI/CD (GitLab CI, Jenkins, методология GitOps);
• Глубокие знания Linux;
• Terraform / Ansible для IaC;
• Опыт построения или управления GPU-кластерами (NVIDIA, CUDA, nvidia-container-toolkit);
• Опыт с GPU-планировщиками (Kueue, Volcano, Run:ai);
• Опыт с MLflow, Kubeflow, Airflow или аналогами;
• Высшее техническое образование.
#Офис
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- MLOps
- Python
- Docker
- Kubernetes
- Helm
- GitLab CI
- Jenkins
- Terraform
- Ansible
- Prometheus
- Grafana
- MLflow
- Kubeflow
- Airflow
- CUDA
- Linux
- Triton Inference Server
- vLLM
- GitOps
Возможные вопросы на собеседовании
Проверка опыта оптимизации ресурсов, что критично для дорогостоящей GPU-инфраструктуры.
Расскажите о вашем опыте работы с GPU-планировщиками (Kueue, Volcano). Какие проблемы с распределением ресурсов вам удавалось решить?
Оценка навыков работы с современными языковыми моделями в продакшене.
Какие инструменты вы использовали для оптимизации инференса LLM (vLLM, Triton) и как вы настраивали мониторинг их производительности?
Проверка понимания жизненного цикла ML-моделей.
Как вы организуете процесс версионирования данных и моделей в CI/CD пайплайне, чтобы обеспечить воспроизводимость экспериментов?
Важно для компании, специализирующейся на безопасности.
Какие специфические требования информационной безопасности необходимо учитывать при проектировании MLOps-инфраструктуры?
Проверка навыков автоматизации инфраструктуры.
Опишите ваш подход к реализации GitOps для управления конфигурациями Kubernetes-кластеров, предназначенных для ML-задач.
Похожие вакансии
Data Scientist (AutoML)
Team Lead MLOps / Tech Lead
Data Science / ML Engineer
Data инженер Middle+ Senior
Data инженер Middle
AI/ML Engineer
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!
- Страна
- Россия