- Страна
- Россия
- Зарплата
- 430 000 ₽ – 527 300 ₽
Откликайтесь
на вакансии с ИИ
MLOps инженер (Team Lead)
Оценка ИИОтличное предложение с высокой рыночной зарплатой, современным стеком технологий и возможностью лидировать направление в аккредитованной ИТ-компании. Дополнительные бонусы в виде ДМС и скидок на обучение делают вакансию еще более привлекательной.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена ролью тимлида и необходимостью глубоких знаний на стыке DevOps, Big Data (Hadoop, Spark) и специфических MLOps инструментов (Seldon, MLflow). Требуется опыт администрирования Kubernetes от 2 лет и умение работать с инфраструктурой в банковском секторе.
Анализ зарплаты
Оценка ИИПредлагаемая зарплата (до 527 300 руб. на ИП) находится на верхней границе рыночного диапазона для позиций MLOps Lead в России, который обычно составляет 400 000 – 550 000 руб. для опытных специалистов.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь уже сейчас
Отправьте свое резюме напрямую Маргарите, чтобы возглавить MLOps-направление в крупном банковском проекте!
Описание вакансии
Публикатор: Margarita Ivanishcheva
Обсуждение: @devops_jobs
#вакансия #MLOps_инженер #PostgreSQL #Jupyterhub #Coder #Airflow #ArgoWF, #MLflow, #Seldon_core #Python #Hadoop #Docker, #OpenShift_Kubernetes #longhorn #Jenkins #Kafka #Redis
Добрый день
Ищу MLOps инженера с функцией Тимлида на банковский проект
Доход 430000-466700 руб гросс по ТК и 500000- 527300 руб. гросс по ИП (до вычета налогов) (в зависимости от оформления ТК или ИП и по результатам тех. интервью)
Обязанности:
Управление командой
- Конфигурировать и разворачивать инфраструктурные компоненты
- Адаптировать/разрабатывать с нуля автоматизированные пайплайны под актуальные бизнес-задачи (AutoML, LLM, computer vision и пр)
- 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
Требования:
Ищем опытного инженера в команду развития централизованной MLOps-инфраструктуры и смежных проектов
Основной стек: Jupyterhub\Coder, Airflow, ArgoWF, MLflow, Seldon core, Python, Hadoop (spark, hdfs), Docker, OpenShift/Kubernetes, longhorn, Jenkins, Kafka, Redis, PostgreSQL
1.ОпытDevOpsотх лет(decker, helm, jenkins\gitlab CI, python)
2.ОпытML/MLOpsотгода(airflow, jupyterhub, mlflow, seldon, cuda)
3.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
Условия:
Оформление по ТК РФ или ИП в аккредитованную ИТ компанию
ДМС со стоматологией
Скидки на изучение иностранных языков от Skyeng
Скидки на фитнес от Xfit
Скидки на кино от КАРО
Техника для работы
направить резюме Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Kubernetes
- Helm
- PostgreSQL
- Redis
- Docker
- Airflow
- Kafka
- Hadoop
- Jenkins
- Spark
- MLflow
- CUDA
- ELK stack
- OpenShift
- GitLab CI
- HDFS
- Argo Workflows
- JupyterHub
- Seldon Core
- Longhorn
- Coder
Возможные вопросы на собеседовании
Проверка лидерских качеств и умения выстраивать процессы в команде инженеров.
Опишите ваш опыт управления командой: как вы распределяете задачи между DevOps и ML-специалистами?
Важно понять, как кандидат обеспечивает доступность и производительность моделей в продакшене.
Как вы организуете мониторинг и масштабирование моделей, развернутых через Seldon Core в OpenShift?
Проверка практического опыта работы с данными в экосистеме Hadoop.
С какими основными проблемами производительности Spark в связке с Kubernetes вы сталкивались и как их решали?
MLOps требует автоматизации всего цикла. Вопрос проверяет знание инструментов CI/CD для ML.
Как вы интегрируете MLflow в существующие пайплайны Jenkins для обеспечения воспроизводимости экспериментов?
Проверка архитектурного мышления и умения работать с хранилищами.
В каких случаях вы выберете Argo Workflows вместо Airflow для автоматизации ML-пайплайнов и почему?
Похожие вакансии
Руководитель Data Science команды (Анализ спроса в маркетплейсе)
Team Lead Data Scientist
Team Lead Data Scientist
DataOps Senior+/TeamLead
Tech Lead Data Engineer / Руководитель сопровождения и развития СККД
Team Lead Data Science (генеративный ИИ, ИИ-агенты)
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!