- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Senior MLOps Engineer
Оценка ИИИнтересный стек технологий (LLM, RAG, Feature Store) и работа над масштабной экосистемой крупного банка. Четкие требования и понятный формат сотрудничества (ИП), однако отсутствие указанной вилки зарплаты немного снижает прозрачность.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена требованием глубоких знаний как в классическом DevOps (K8s, CI/CD), так и в специфическом ML-стеке (Cuda, MLflow, Spark). Работа в банковском контуре предполагает строгие стандарты безопасности и масштабируемости.
Анализ зарплаты
Оценка ИИДля позиции Senior MLOps в РФ рыночный диапазон составляет 350,000–500,000 рублей. Вакансия соответствует уровню ведущих финтех-компаний, где компенсация обычно находится на верхней границе рынка.
Сопроводительное письмо
I am writing to express my interest in the Senior MLOps position at Eclipse Digital. With over 3 years of experience in DevOps and a strong background in Kubernetes administration, I have successfully built and scaled automated pipelines for machine learning models. My expertise in Airflow, MLflow, and Seldon aligns perfectly with your goals of developing a unified MLOps ecosystem and supporting LLM/AutoML projects.
In my previous roles, I have focused on creating robust infrastructure that bridges the gap between data science and production. I am particularly excited about the opportunity to work on voice analytics and RAG/LLMOps within a large-scale banking environment. I am a proactive engineer who values architectural integrity and team collaboration, and I am confident in my ability to contribute to the scaling of your ML lifecycle tools.
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Eclipse Digital уже сейчас
Если вы готовы развивать MLOps-экосистему одного из крупнейших банков, отправляйте резюме @veroneko прямо сейчас!
Описание вакансии
ID 2290
MLOps
Senior
🌍 Локация: РФ
💼Сотрудничество : по ИП РФ
Eclipse Digital
https://eclipse-studio.ru/ - наниматель
Вакансия - нашего партнера
Описание проекта:
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.
Задачи на проекте:
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:
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
📨 Откликнуться можно в telegram Откликнуться
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- LLM
- Kubernetes
- Helm
- Computer Vision
- RAG
- Docker
- Airflow
- Kafka
- Hadoop
- Jenkins
- Spark
- MLflow
- CUDA
- ELK stack
- GitLab CI
- Seldon
- JupyterHub
- AutoML
Возможные вопросы на собеседовании
Проверка опыта работы с GPU в контейнеризированных средах, что критично для LLM и CV задач.
Расскажите о вашем опыте настройки CUDA в Kubernetes. С какими основными проблемами вы сталкивались при распределении ресурсов GPU?
Вакансия предполагает развитие Feature Store и AutoML. Важно понимать, как кандидат видит автоматизацию.
Как бы вы спроектировали CI/CD пайплайн для LLM-модели, учитывая этапы дообучения (fine-tuning) и оценки (evaluation)?
Работа с большими данными — важная часть стека проекта.
Опишите ваш опыт интеграции Spark и Kafka в ML-пайплайны. Как вы обеспечиваете отказоустойчивость при обработке потоковых данных?
MLflow и Seldon указаны в требованиях как ключевые инструменты.
В чем, по вашему мнению, основные преимущества и недостатки использования Seldon Core для деплоя моделей по сравнению с нативными сервисами Kubernetes?
Проверка навыков траблшутинга в сложных распределенных системах.
Как вы организуете мониторинг и логирование (ELK) для моделей в продакшене, чтобы вовремя отследить деградацию качества (data drift)?
Похожие вакансии
Senior MLOps Engineer (Platform Development / LLMOps)
Data Scientist Senior (Part-time)
Senior Data инженер
Senior MLOps
Data Engineer / SAP HANA Developer (Senior)
MLOps Engineer (ML pipelines / Kubernetes / Airflow)
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