- Страна
- Россия
Откликайтесь
на вакансии с ИИ
MLOps-инженер
Оценка ИИИнтересный стек технологий (Triton, ClearML, TensorRT) и долгосрочный проект в стабильной сфере ритейла. Удаленный формат работы и четко прописанные требования делают вакансию привлекательной для опытных инженеров.
Сложность вакансии
Оценка ИИПозиция требует глубоких знаний как в классическом DevOps (K8s, CI/CD), так и в специфическом ML-стеке (Triton, MLflow, TensorRT). Уровень Middle+ предполагает самостоятельность в проектировании сложных пайплайнов.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для уровня Middle+ MLOps инженера в РФ рыночный диапазон составляет от 300 000 до 450 000 рублей. Ритейл-сектор обычно предлагает конкурентные условия, соответствующие верхним границам рынка.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Отправьте свое резюме @veroneko, чтобы стать ключевым звеном в развитии ML-инфраструктуры крупного ритейлера!
Описание вакансии
ID 3111
#MLOps-инженер
Middle+
срок подачи по 15.07
ритейл
Внедрение и поддержка процессов машинного обучения в компании. Включает в себя автоматизацию, мониторинг и управление жизненным циклом моделей машинного обучения.
- Длительность: Долгосрочный
- Занятость: полная
- Локация: РФ
- Гражданство: РФ
- Рабочий график: по МСК ±2 часа
- Формат: удаленная работа
- Плановый срок рассмотрения кандидата: 10 рабочих дней ± 3 дня
MLOps-инженер
- Опыт работы в DevOps от 3 лет (Docker, Helm, GitLab CI, Python);
- Опыт работы с Kubernetes от 2 лет;
- Опыт работы с Kafka;
- Практическое знакомство с ELK-стеком;
- Опыт работы с ONNX, TensorRT;
- Опыт работы с ML/MLOps инструментами (Airflow, JupyterHub, MLflow, ClearML, Triton);
- Опыт автоматизации CI/CD для ML-проектов.
- Конфигурировать и разворачивать инфраструктурные компоненты;
- Адаптировать и разрабатывать с нуля автоматизированные пайплайны под бизнес-задачи;
- Создавать и поддерживать пользовательские инструменты для работы в едином ML-контуре применения и обучения;
- Масштабировать и оптимизировать системы и инструменты для управления жизненным циклом моделей машинного обучения.
- Автоматизация процессов CI/CD для моделей.
- Мониторинг производительности моделей и их обновление при необходимости.
- Сотрудничество с командами разработки и аналитики для интеграции решений.
- Разработка и поддержка документации по процессам MLOps.
#Важно, резюме должно отражать:
- Проекты на которых работал
- Указаны навыки и программы, которые использовались
Писать Откликнуться*⚡️**⚡️**⚡️**⚡️*
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Docker
- Helm
- GitLab CI
- Python
- Kubernetes
- Kafka
- ELK stack
- ONNX
- TensorRT
- Airflow
- JupyterHub
- MLflow
- ClearML
- Triton Inference Server
- CI/CD
Возможные вопросы на собеседовании
Проверка опыта оптимизации инференса моделей, что критично для ритейла.
Расскажите о вашем опыте работы с TensorRT и ONNX: какие задачи решали и какого прироста производительности удалось достичь?
Оценка навыков построения инфраструктуры для обучения и деплоя.
Как бы вы спроектировали CI/CD пайплайн для модели, которая требует регулярного дообучения на новых данных из Kafka?
Проверка владения инструментами оркестрации ML-процессов.
В каких случаях вы бы предпочли ClearML вместо MLflow, и наоборот, исходя из вашего опыта?
Оценка навыков работы с Kubernetes в контексте ML.
С какими сложностями вы сталкивались при развертывании Triton Inference Server в кластере Kubernetes?
Проверка умения работать с логами и метриками в распределенных системах.
Как вы организуете мониторинг дрейфа данных и качества моделей в ELK-стеке?
Похожие вакансии
Data engineer
Data Engineer / Big Data Developer
Data инженер Middle
Data engineer
Middle+ Data инженер
Middle Data-Scientist / Risk Modelist
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!