- Страна
- Россия
- Зарплата
- 450 000 ₽ – 500 000 ₽
Откликайтесь
на вакансии с ИИ
TeamLead MLOps / DevOps (Пайплайны)
Оценка ИИВысокая заработная плата, работа в крупном финтехе над передовыми AI-проектами и полный социальный пакет с IT-аккредитацией делают вакансию крайне привлекательной. Единственный нюанс — высокая ответственность и сложность задач.
Сложность вакансии
Оценка ИИРоль требует редкого сочетания глубоких навыков DevOps (Kubernetes bare metal) и специфической экспертизы в MLOps. Статус TeamLead подразумевает ответственность за архитектуру и координацию команд в условиях крупного финтеха.
Анализ зарплаты
Оценка ИИПредложенная зарплата (450-500к net) находится на верхней границе рыночного диапазона для TeamLead MLOps в России, что соответствует высоким требованиям к опыту работы с bare metal и лидерским качествам.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Selecty уже сейчас
Отправьте свое резюме Алине в Telegram, чтобы возглавить развитие MLOps-инфраструктуры в одном из крупнейших банков!
Описание вакансии
#mlops #devops #teamlead #вакансия #РФ
Должность: TeamLead MLOps / DevOps (Пайплайны)
Компания: Selecty (КА)
Локация и формат: удаленно по РФ 📍
Зп 💰: 450 000 — 500 000 ₽ net по ТК (по ИП выше)
Центр развития MLOps-экспертизы команды банка ищет TeamLead в команду развития централизованной MLOps-инфраструктуры. Команда создает единую MLOps-экосистему для полного жизненного цикла ML-моделей и AI-сервисов.
🔹 Основные направления:
• Среда разработки моделей и пайплайны train/inference
• Среда исполнения моделей и пайплайны доставки
• Платформа немодельных сервисов
• Feature Store
• AutoML и AlfaPredict
• A/B тестирование
• RAG / LLMOps
• Система обработки документов с использованием ИИ
✔️Чем предстоит заниматься:
• Лидировать направление развития MLOps-проектов и пайплайнов
• Конфигурировать и разворачивать инфраструктурные компоненты платформы
• Разрабатывать и адаптировать автоматизированные MLOps- и AutoML-пайплайны под бизнес-задачи
• Создавать и поддерживать инструменты для единого ML-контура обучения и применения моделей
• Масштабировать инфраструктуру и инструменты управления жизненным циклом ML-моделей
• Прорабатывать архитектуру платформы, собирать требования от продуктовых команд и участвовать в создании MVP
• Координировать работу команды и взаимодействовать с командами разработки, аналитики и Data Science
➕ Ожидания от кандидата:
• **Опыт работы DevOps-инженером от 3 лет
• Опыт в MLOps/ML Infrastructure от 1 года**
• Самостоятельность, инициативность и опыт технического лидерства
• Опыт администрирования Kubernetes (bare metal) от 2 лет
• Уверенные знания Docker, Helm, GitLab CI, Jenkins, Python
• Опыт работы с Hadoop, Spark, Kafka, ELK
• Практический опыт работы с Airflow, JupyterHub, MLflow, Seldon, CUDA будет преимуществом
• Опыт работы с ArgoCD
🛠 Стек:
GitLab CI, Jenkins, Kubernetes (bare metal), Docker, Helm, ArgoCD, Airflow, MLflow, JupyterHub, Seldon, Python, Hadoop, Spark, Kafka, ELK, CUDA
🔥Условия:
-ДМС со стоматологией
-Компенсация фитнеса
-Скидки на курсы английского (Skyeng) и в кино
-Индексация зарплаты
-Современная техника для работы
-IT-аккредитация
Присылай резюме - Откликнуться✉️
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Kubernetes
- Docker
- Helm
- GitLab CI
- Jenkins
- Python
- Hadoop
- Spark
- Kafka
- ELK
- Airflow
- JupyterHub
- MLflow
- Seldon
- CUDA
- ArgoCD
- MLOps
- DevOps
Возможные вопросы на собеседовании
Вопрос проверяет опыт работы с инфраструктурой без облачных провайдеров, что критично для банковского сектора.
Расскажите о вашем опыте администрирования Kubernetes на bare metal: с какими специфическими проблемами сети или хранилищ вы сталкивались?
Важно понять, как кандидат выстраивает процессы автоматизации для ML-задач.
Как вы организуете CI/CD пайплайны для моделей, учитывая необходимость версионирования данных и экспериментов (например, через MLflow)?
Позиция TeamLead требует умения балансировать между техническим совершенством и потребностями бизнеса.
Как вы собираете и приоритизируете требования от команд Data Science при проектировании общей MLOps-платформы?
Проверка навыков работы с инструментами оркестрации данных.
В чем заключаются основные сложности масштабирования Airflow при работе с большим количеством параллельных ML-пайплайнов?
Оценка лидерских качеств и опыта управления.
Опишите ваш подход к техническому лидерству: как вы принимаете архитектурные решения и как разрешаете технические конфликты внутри команды?
Похожие вакансии
Lead Research Engineer
MLOps Engineer (Lead)
Tech Lead NLP Engineer
AI/ML Lead
Operations & Automation Lead
AI Team Lead / Руководитель AI-проектов
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!