Senior DevOps Engineer (Kubernetes / GPU / AI Infrastructure)
Оценка ИИИнтересный и современный стек технологий (AI/ML, GPU), возможность удаленной работы и стабильность крупного промышленного сектора. Однако нижняя граница зарплаты для Senior-позиции с таким специфическим стеком выглядит несколько заниженной относительно рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует редкого сочетания навыков классического DevOps (K8s на bare metal) и специфических знаний ML-инфраструктуры (GPU, CUDA, vLLM). Высокий грейд Senior подразумевает полную автономность в настройке сложных систем мониторинга и сетевой безопасности.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИУказанная ставка 'от 200 000 руб.' находится на нижней границе рынка для Senior DevOps инженера, особенно с учетом редкой специализации на GPU и AI-инфраструктуре. На открытом рынке специалисты такого уровня в РФ обычно претендуют на суммы от 350 000 до 500 000 рублей.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Публикатор: Ivan B
Обсуждение: @devops_jobs
Локация: РФ, удалённо по России
Занятость: полная, Full-time
Грейд: Senior
Старт: ASAP
Ставка: от 200.000 рублей в месяц
Ищем: Senior DevOps Engineer (Kubernetes / GPU / AI Infrastructure)
О проекте: крупное предприятие металлургической отрасли. Предстоит заниматься развёртыванием и эксплуатацией инфраструктуры на базе Kubernetes с поддержкой NVIDIA GPU для ML/AI-нагрузок.
Какие задачи вас ждут:
- Развёртывание и администрирование Kubernetes-кластеров на bare metal.
- Настройка и оптимизация Docker-контейнеризации.
- Разработка и поддержка GitLab CI/CD pipelines.
- Управление NVIDIA GPU и CUDA-инфраструктурой.
- Развёртывание и поддержка ML inference-сервисов (vLLM, Ollama, Triton Inference Server).
- Настройка мониторинга с Prometheus и Grafana.
- Работа с сетевыми сервисами, TLS и DNS.
- Управление Kubernetes-развёртываниями с помощью Helm.
- Администрирование GitLab Container Registry.
Что нужно знать и уметь:
- Уверенное администрирование Linux (Ubuntu Server).
- Практический опыт работы с Docker и Kubernetes.
- Опыт работы с Helm.
- Уверенное владение GitLab CI/CD и GitLab Container Registry.
- Опыт работы с NVIDIA GPU и CUDA.
- Знание NVIDIA Container Toolkit и Kubernetes NVIDIA Device Plugin.
- Опыт настройки мониторинга Prometheus и Grafana.
- Понимание сетевых технологий, TLS и DNS.
Будет большим плюсом:
- Опыт эксплуатации GPU-серверов для AI/ML.
- Работа с vLLM, Ollama, Triton Inference Server.
- Понимание CUDA, VRAM, tensor parallelism и особенностей GPU.
- Опыт развёртывания Kubernetes на bare metal.
- Знакомство с NVIDIA DCGM Exporter и Langfuse.
- Опыт подготовки инфраструктуры под требования GDPR.
- Опыт миграции приложений между облачной и локальной инфраструктурой.
Условия:
- Полностью удалённая работа из РФ.
- Полная занятость на долгосрочном проекте.
- Работа с современным стеком Kubernetes и GPU-инфраструктуры.
- Ежемесячная оплата.
- Рассматриваем кандидатов с гражданством РФ.
Важно: весь обязательный технический опыт должен быть отражён в резюме.
Контактное лицо: Откликнуться
Если вакансия заинтересовала, присылайте резюме в личные сообщения с указанием вашей локации, ставки и готовности приступить к работе.
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Kubernetes
- Docker
- Helm
- GitLab CI/CD
- NVIDIA GPU
- CUDA
- Prometheus
- Grafana
- Linux
- Ubuntu Server
- vLLM
- Ollama
- Triton Inference Server
- Bare Metal
- TLS
- DNS
Возможные вопросы на собеседовании
Проверка опыта работы с аппаратной частью и спецификой K8s вне облаков.
Расскажите о вашем опыте развертывания Kubernetes на bare metal: какие инструменты использовали и с какими основными сложностями сталкивались?
Критически важный навык для данной вакансии, связанный с AI-нагрузками.
Как вы настраиваете проброс GPU в контейнеры Kubernetes и какие метрики NVIDIA DCGM вы считаете наиболее важными для мониторинга?
Проверка понимания специфики ML-сервисов, указанных в описании.
В чем заключаются основные отличия при деплое и масштабировании vLLM по сравнению с обычными микросервисами?
Оценка навыков автоматизации и безопасности.
Как вы организуете процесс управления секретами и TLS-сертификатами в GitLab CI/CD пайплайнах для K8s?
Проверка навыков траблшутинга в высоконагруженных системах.
Опишите ваш алгоритм действий при возникновении ошибок Out of Memory (OOM) именно на видеопамяти (VRAM) в работающем поде.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
