- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Senior MLOps
Оценка ИИОтличная вакансия в крупном банке (Альфа-Банк) с очень широким и современным стеком технологий (LLM, RAG, Feature Store). Удаленный формат и работа над масштабной экосистемой делают предложение крайне привлекательным для Senior-специалиста.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью глубоких знаний как в классическом DevOps (K8s, CI/CD), так и в специфическом ML-стеке (MLflow, Seldon, CUDA), а также опытом работы с Big Data (Hadoop, Spark).
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для позиции Senior MLOps в РФ рыночный диапазон составляет от 350 000 до 550 000 рублей после вычетов. Учитывая масштаб проектов Альфа-Банка, можно ожидать предложение в верхней границе рынка.
Сопроводительное письмо
I am writing to express my strong interest in the Senior MLOps position. With over 3 years of experience in DevOps and a solid background in ML/MLOps, I am confident in my ability to contribute to the development of your voice analytics projects and the overall MLOps ecosystem. My expertise in Kubernetes administration, combined with hands-on experience in Airflow, MLflow, and Seldon, aligns perfectly with the technical requirements of this role.
Throughout my career, I have demonstrated a proactive approach to infrastructure management and a commitment to delivering end-to-end results. I am particularly excited about the opportunity to work on diverse tasks ranging from AutoML and LLMOps to scaling ML model lifecycles. I am a team player who values collaboration and is always ready to support colleagues in achieving our collective goals within the ML environment.
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Альфа-Банк (AlfaPredict, Feature Store) уже сейчас
Присоединяйтесь к команде Альфа-Банка и развивайте передовую MLOps-экосистему — откликайтесь прямо сейчас!
Описание вакансии
ID 2290 - Senior MLOps
🌍 Локация: РФ
💼 Удаленно
🕔 Занятость: фулл тайм
🏢 Проект: Развитие проектов голосовой аналитики и пайпланов для платформы аналитики. Развитие единой MLOps - экосистемы банка, включая среду разработки моделей, среду исполнения моделей, среду немодельных сервисов, Feature Store, AutoML и AlfaPredict, A/B тестирование, RAG/LLMOps, систему обработки документов.
💡 Требования:
Важно, чтобы все требования были отражены в резюме
• 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
• 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
📋Задачи:
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
📨 Оставить отклик можнопо Откликнуться.
или напрямую ответственному менеджеру Откликнуться
#MLOps #Удаленно #вакансия
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- MLOps
- DevOps
- Docker
- Helm
- Jenkins
- GitLab CI
- Python
- Airflow
- JupyterHub
- MLflow
- Seldon Core
- CUDA
- Kubernetes
- Hadoop
- Apache Spark
- Apache Kafka
- ELK stack
- LLMOps
- AutoML
Возможные вопросы на собеседовании
Проверка опыта работы с ключевым инструментом оркестрации ML-моделей, указанным в вакансии.
Расскажите о вашем опыте развертывания моделей с использованием Seldon Core в Kubernetes: с какими сложностями сталкивались?
Вакансия предполагает работу с LLM и RAG.
Какие специфические требования к инфраструктуре возникают при внедрении LLMOps по сравнению с классическим MLOps?
Упоминается работа с CUDA, что критично для обучения моделей.
Как вы организуете проброс и мониторинг GPU-ресурсов в кластере Kubernetes для задач обучения и инференса?
В стеке указаны Spark и Hadoop.
Опишите ваш опыт интеграции Feature Store с существующими Big Data пайплайнами на базе Spark.
Проверка soft skills и умения видеть «общую картину», заявленных в требованиях.
Приведите пример, когда вы предложили архитектурное изменение (рефакторинг) инфраструктуры, которое существенно улучшило процесс разработки для DS-команды.
Похожие вакансии
MLOps Engineer (ML pipelines / Kubernetes / Airflow)
Senior Data инженер
Senior MLOps Engineer (Platform Development / LLMOps)
Data Engineer / SAP HANA Developer (Senior)
Senior ML Engineer
Senior Data Scientist (Search)
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