Senior MLOps / DataOps
Оценка ИИИнтересная позиция в активно развивающемся секторе e-commerce с современным стеком технологий (K8s, Kafka, MLflow). Гибкий формат работы и фокус на Senior-задачи делают вакансию привлекательной для опытных инженеров.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИРоль требует глубоких знаний на стыке DevOps и Data Science, включая управление GPU-кластерами и работу с высоконагруженными системами стриминга данных. Уровень Senior предполагает самостоятельное проектирование архитектуры ML-платформы.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИДля позиции Senior MLOps в Москве рыночный диапазон составляет от 350 000 до 550 000 рублей. Поскольку в вакансии зарплата не указана, стоит ориентироваться на эти цифры при обсуждении оффера, учитывая сложность задач по GPU и Highload.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
*👾 Senior MLOps / DataOps*
Москва · гибрид или полностью удалённо
GRI разрабатывает цифровые продукты для e-commerce. В роли предстоит развивать DWH и ML-платформу, строить пайплайны от сбора данных до деплоя моделей, настраивать мониторинг и CI/CD.
Требования:
— Docker и Kubernetes, Airflow или аналогичные оркестраторы
— Практика CI/CD для data- и ML-пайплайнов
— Python, SQL, Git и уверенная работа в Linux
— Опыт развёртывания ML-инфраструктуры, включая GPU, и работы с облаками
— API, понимание highload-систем и стриминга данных, например Kafka
— Мониторинг и логирование
MLflow и ClearML будут плюсом. Зарплата не указана. Страны для удалённой работы нужно уточнить.
*➡️* Откликнуться
*📍* Навигация: База знаний • Задачи • Собеседования
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Docker
- Kubernetes
- Airflow
- CI/CD
- Python
- SQL
- Git
- Linux
- GPU
- Kafka
- MLflow
- ClearML
Возможные вопросы на собеседовании
Проверка опыта работы с GPU в контейнеризированных средах.
Расскажите о вашем опыте проброса GPU в Kubernetes и с какими основными проблемами вы сталкивались при масштабировании таких решений?
Оценка навыков построения надежных пайплайнов.
Как вы организуете CI/CD для ML-моделей, чтобы обеспечить воспроизводимость экспериментов и безопасный деплой в продакшн?
Проверка знаний в области обработки данных в реальном времени.
Каким образом вы бы спроектировали систему мониторинга для стриминговых пайплайнов на базе Kafka, чтобы вовремя обнаруживать задержки (lag)?
Оценка владения инструментами оркестрации.
В чем, по вашему мнению, основные преимущества и недостатки Airflow при работе с тяжелыми ML-задачами по сравнению с альтернативами вроде Prefect или Dagster?
Проверка понимания специфики DataOps.
Как вы обеспечиваете качество данных (Data Quality) и версионирование данных в рамках DWH, который вы планируете развивать?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
