Страна: Россия

+500% приглашений

Откликайтесь
на вакансии с ИИ

LeadУдалённоПолная занятость

Team Lead MLOps/DevOps (Banking / ML-Platform)

Name: Quick Offer — сервис для поиска работы на hh.ru
Brand: Quick Offer
SKU: quick-offer-saas
Availability: InStock
Rating: 4.9 (682 reviews)

Привлекательная вакансия для опытных специалистов благодаря современному стеку (MLOps, Kubernetes, Big Data) и возможности удаленной работы. Роль предполагает высокую степень ответственности и влияние на развитие ML-платформы в банковском секторе.

Вакансия из Quick Offer Global, списка международных компаний

Пожаловаться

Сложность вакансии

ЛегкоСложно

Высокая сложность обусловлена необходимостью совмещать глубокие знания DevOps (Kubernetes, CI/CD) с экспертизой в ML-инфраструктуре (MLflow, CUDA) и управленческими навыками Team Lead. Дополнительную сложность добавляет работа с Big Data стеком и строгие требования к гражданству и локации.

Анализ зарплаты

Медиана500 000 ₽

Рынок400 000 ₽ – 650 000 ₽

Зарплата в объявлении не указана, но для позиции Team Lead MLOps в банковском секторе РФ рыночный диапазон составляет от 400 000 до 600 000 рублей на руки. Учитывая требования к опыту в Big Data и Kubernetes, финальное предложение будет сильно зависеть от глубины технических знаний кандидата.

Меня крайне заинтересовала вакансия Team Lead MLOps/DevOps для развития ML-платформы. Мой опыт в администрировании Kubernetes более 2 лет и глубокое понимание DevOps-практик (Docker, Helm, CI/CD) позволяют мне эффективно выстраивать инфраструктурные процессы. Кроме того, я обладаю необходимым опытом работы с ML-стеком, включая MLflow, Seldon и CUDA, что критично для создания единого контура обучения и деплоя моделей.

Я имею опыт работы с Big Data стеком (Hadoop, Spark, Kafka) и готов взять на себя ответственность за лидирование стрима MLOps проектов. Уверен, что мои навыки масштабирования инструментов управления жизненным циклом моделей и опыт автоматизации пайплайнов принесут значительную пользу вашей команде и помогут в решении амбициозных бизнес-задач банка.

+250% к просмотрам

Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь уже сейчас

Если вы готовы возглавить развитие ML-платформы в крупном банке, откликайтесь прямо сейчас!

Описание вакансии

Team Lead MLOps/DevOps (Banking / ML-Platform)

#TeamLeadMLOps #TeamLeadDevOps #TeamLead #DevOps #MLOps #РФ #Удаленно

Требования:

Стек: Kubernetes, Helm, GitLab CI, Python, MLflow, Airflow, Seldon, CUDA, Hadoop, Spark, Kafka. Опыт в DevOps от 3 лет (Docker, Helm, CI/CD, Python). Опыт в ML/MLOps от 1 года (MLflow, Seldon, JupyterHub, CUDA). Администрирование Kubernetes от 2 лет. Практика работы с Big Data: Hadoop, Spark, Kafka, ELK. Лидировать стрим MLOps проектов, масштабировать инструменты управления жизненным циклом моделей (AutoML, MLOps). Конфигурировать и развертывать инфраструктурные компоненты с нуля. Создавать и поддерживать единый ML-контур для обучения и промышленного применения моделей. Разрабатывать автоматизированные пайплайны под бизнес-задачи банка. Важно для подачи: При отклике обязательно заполнить 10 вопросов скрининга. Весь релевантный опыт и достижения (численность команды, оптимизация ресурсов) должны быть четко отражены в резюме. Гражданство: РФ.

Локация:📍Только РФ (Удалённо).

Контакт для отклика: Откликнуться + CV ID: MLOps_Lead_PIP

Про карьеру, рост и ценность себя: @jobstobeloved

+400% к собеседованиям

Создайте идеальное резюме с помощью ИИ-агента

Навыки

Kubernetes
Helm
GitLab CI
Python
MLflow
Airflow
Seldon
CUDA
Hadoop
Spark
Kafka
Docker
JupyterHub
ELK
AutoML

Возможные вопросы на собеседовании

Проверка опыта управления и масштабирования процессов в специфической нише MLOps.

Расскажите о вашем опыте лидирования MLOps-стрима: как вы выстраивали процессы взаимодействия между Data Scientists и инженерами?

Оценка технических навыков в области инфраструктуры для машинного обучения.

С какими основными сложностями вы сталкивались при развертывании и поддержке Seldon и MLflow в Kubernetes?

Проверка компетенций в области работы с GPU-ресурсами.

Как вы организовывали распределение ресурсов CUDA в кластере Kubernetes для задач обучения и инференса моделей?

Оценка опыта работы с большими данными, указанными в стеке.

Опишите ваш опыт интеграции ML-пайплайнов с Big Data стеком (Hadoop, Spark, Kafka).

Проверка лидерских качеств и умения оптимизировать ресурсы.

Приведите пример, когда ваша оптимизация инфраструктуры или процессов привела к значительной экономии ресурсов или ускорению Time-to-Market моделей.

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