SOLUTIONS ARCHITECT (LLM)
Оценка ИИИнтересный стек технологий на острие прогресса (LLM) и удаленный формат работы. Однако почасовая оплата и требование наличия ИП могут подойти не всем кандидатам.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью сочетать глубокую экспертизу в классической системной архитектуре (Highload, K8s) со специфическими знаниями в области ML-инфраструктуры (GPU, vLLM, Triton).
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредлагаемая ставка 1500–2000 ₽/ч при полной занятости (160 часов) дает 240 000 – 320 000 ₽ в месяц. Это соответствует среднему уровню для Solution Architect в РФ, но для узкой специализации LLM/ML верхняя планка рынка может быть выше.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
SOLUTIONS ARCHITECT (LLM)
*🏢* Компания: GROSSOFT
*💰* ЗП: 1500–2000 ₽/ч без НДС (почасовая оплата)
*🌍* Формат: Удалёнка (RU)
*🕒* Занятость: Полная занятость
Требования:
• Опыт проектирования высоконагруженных распределённых систем: масштабирование, отказоустойчивость, балансировка, кэширование, очереди, rate limiting.
• Опыт архитектуры ML/LLM‑сервисов для промышленной эксплуатации: inference‑serving, batch/online processing, fvector storage, orchestration, GPU workload management.
• Интеграция в корпоративный ИТ‑ландшафт: API Gateway, IAM/SSO, корпоративные шины, системы мониторинга и логирования.
• Знание микросервисной и событийной архитектуры, брокеров сообщений и потоковой обработки данных.
• Контейнеризация и оркестрация: Docker, Kubernetes, Helm, ingress/service mesh, принципы деплоя и эксплуатации.
• Опыт проектирования решений в on‑prem и cloud (hybrid), disaster recovery, SLA/SLO; практический опыт системным/solution/enterprise architect от 3 лет, общий опыт в ИТ от 5 лет.
Будет плюсом:
• Проектирование GPU‑инфраструктуры и inference‑контуров для LLM/embedding/reranking сервисов.
• Знание vLLM, Triton, ONNX Runtime, MLflow, ClearML.
• Опыт выбора архитектуры под разные профили нагрузки: low latency, high throughput, batch, streaming.
• Навык оценки стоимости владения (CAPEX/OPEX) и практики FinOps.
• Опыт проектирования мультитенантных платформ и прохождения архитектурных комитетов.
Стек:
Kubernetes, Docker, Helm, Nginx/Ingress, Kafka, RabbitMQ, Redis, PostgreSQL, Object Storage, API Gateway, Vault, Keycloak/ADFS, Prometheus, Grafana, OpenSearch, Python, FastAPI, vLLM, Triton, PyTorch, MLflow, ClearML, Airflow, GitLab CI/CD, REST, WebSocket, OpenAPI, AsyncAPI, ETL, LDAP/AD
Условия:
• Почасовая оплата 1500–2000 ₽/ч без НДС.
• Работа по договору с ИП (требуется статус ИП).
• Удалённая работа, full‑time.
*📩* Откликнуться
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Kubernetes
- Docker
- Helm
- Nginx
- Kafka
- RabbitMQ
- Redis
- PostgreSQL
- Python
- FastAPI
- vLLM
- Triton
- PyTorch
- MLflow
- ClearML
- Airflow
- GitLab CI/CD
- REST
- WebSocket
- OpenAPI
- AsyncAPI
- ETL
- LDAP
- Active Directory
- Prometheus
- Grafana
- OpenSearch
- Vault
- Keycloak
Возможные вопросы на собеседовании
Проверка понимания специфики работы с моделями в продакшене.
Как бы вы спроектировали систему инференса LLM для обеспечения минимальной задержки (low latency) при одновременном обслуживании большого количества пользователей?
Оценка навыков работы с инфраструктурой.
Какие стратегии масштабирования GPU-воркload в Kubernetes вы считаете наиболее эффективными и почему?
Проверка опыта интеграции в корпоративную среду.
Опишите ваш опыт прохождения архитектурных комитетов: какие ключевые метрики и аспекты безопасности вы обычно защищаете?
Оценка знаний в области хранения данных для ML.
В чем разница между подходами к хранению данных в Vector Storage и традиционных БД при проектировании RAG-систем?
Проверка навыков обеспечения отказоустойчивости.
Как реализовать Disaster Recovery для распределенной системы, использующей тяжелые ML-модели и брокеры сообщений?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
