- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Mlops/DevOps TeamLead
Оценка ИИПозиция в топовом банке с современным стеком (LLMOps, Feature Store) и широким соцпакетом. Высокий балл обусловлен амбициозностью задач и сильным брендом работодателя, несмотря на отсутствие указанной зарплаты.
Сложность вакансии
Оценка ИИРоль требует редкого сочетания глубоких навыков DevOps (K8s, CI/CD) и специфического опыта в ML-инфраструктуре (MLflow, Seldon, CUDA). Статус TeamLead подразумевает ответственность за архитектурные решения и управление стримом проектов в крупном банке.
Анализ зарплаты
Оценка ИИДля позиции TeamLead в области MLOps в Москве рыночный диапазон составляет 450,000–650,000 рублей. Предложение Альфа-Банка, вероятно, находится в этих пределах, учитывая сложность стека и уровень ответственности. Наличие расширенного соцпакета (спортзал, скидки) повышает общую ценность компенсации.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Альфа-Банк уже сейчас
Присоединяйтесь к команде Альфа-Банка и станьте лидером в развитии передовой MLOps-экосистемы!
Описание вакансии
Mlops/DevOps TeamLead
Проект: Банк
Локация: РФ
Ищем опытного инженера/TeamLead в команду развития централизованной MLOps-инфраструктуры и смежных проектов
Кто мы - Центр развития MLOps-экспертизы Альфабанка. Мы развиваем единую MLOps - экосистему банка.
- Среда разработки моделей / пайплайны train и inference
- Среда исполнения моделей и пайплайны доставки
- Среда немодельных сервисов
- Feature Store
- AutoML и AlfaPredict (платформа для аналитиков)
- A/B тестирование
- RAG/LLMOps
- Система обработки документов при помощи ИИ
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
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
Что мы предлагаем:
- Стабильный и прозрачный доход: размер заработной платы обсуждается по итогам собеседования
- Работа в agile-команде
- Работу из офиса или гибридный формат работы (на выбор)
- Сложные и интересные задачи, современный стек технологий
- Возможность вертикального и горизонтального карьерного роста: регулярно проходят тренинги, вебинары, митапы и демо-дни
- Доступ к бесплатным корпоративным библиотекам Alpina Digital, MyBook и бизнес-изданий
- Предложения от Банка только для сотрудников: собственный спортзал, а также скидки на услуги туристических агентств, продукты питания, в рестораны, бары, магазины
❗️Важно
При отправке кандидата приложите информацию:
ФИО
Дата рождения
Локация
Грейд
Рейт (ставка/час)
Возможная дата старта на новый проект
Планы на отпуск в ближайшие 6 мес
Штатный/партнерский/рынок
Скрининг по заявленным требованиям к вакансии (проставить +-)
Откликнуться на запрос: ОткликнутьсяПо вопросам партнерского сотрудничества: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- Kubernetes
- Helm
- MLOps
- Docker
- Apache Spark
- Hadoop
- Jenkins
- MLflow
- Apache Airflow
- Apache Kafka
- CUDA
- ELK stack
- LLMOps
- GitLab CI
- JupyterHub
- Seldon Core
Возможные вопросы на собеседовании
Проверка понимания специфики работы с GPU в контейнеризированных средах.
Как вы организуете проброс и мониторинг ресурсов GPU (CUDA) в кластере Kubernetes для задач обучения моделей?
Оценка опыта работы с инструментами управления жизненным циклом ML.
Опишите ваш опыт внедрения MLflow или аналогичных систем: как вы решали вопросы версионирования данных и моделей в масштабах организации?
Проверка навыков проектирования отказоустойчивых систем инференса.
Какие стратегии деплоя (Canary, Blue-Green) вы считаете наиболее эффективными для ML-сервисов и как реализуете их через Seldon или Helm?
Оценка лидерских качеств и умения работать с требованиями.
Расскажите о случае, когда вам пришлось перепроектировать инфраструктурное решение из-за изменения бизнес-требований. Как вы управляли ожиданиями стейкхолдеров?
Проверка знаний в области обработки больших данных.
С какими основными проблемами производительности в связке Spark и Kubernetes вы сталкивались и как их оптимизировали?
Похожие вакансии
SRE Lead
SRE Lead (MLOps)
Главный DevOps-инженер
Технический лидер SRE
Infrastructure Team Lead
Infrastructure Team Lead
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!