- Страна
- Россия
Откликайтесь
на вакансии с ИИ
TeamLead MlOps/DevOps
Оценка ИИВакансия предлагает работу над современным технологическим стеком (RAG, LLMOps, Feature Store) в крупном банке. Удаленный формат работы и высокая значимость роли TeamLead делают это предложение крайне привлекательным для опытных специалистов.
Сложность вакансии
Оценка ИИРоль требует редкого сочетания глубоких навыков DevOps (Kubernetes, CI/CD) и специфического опыта в ML-инфраструктуре (MLflow, Airflow, CUDA). Статус TeamLead подразумевает не только техническую экспертизу, но и умение лидировать проекты в сложном банковском контуре.
Анализ зарплаты
Оценка ИИУказанная роль TeamLead MLOps в банковском секторе соответствует верхнему эшелону рынка. Зарплаты для таких позиций в РФ обычно начинаются от 400 000 рублей и могут достигать 600 000+ рублей в зависимости от глубины экспертизы.
Сопроводительное письмо
Меня заинтересовала вакансия TeamLead MLOps/DevOps в вашем проекте для Банка. Обладая глубоким опытом в администрировании Kubernetes и построении CI/CD пайплайнов, я готов взять на себя ответственность за развитие единой MLOps-экосистемы. Мой опыт работы с Hadoop, Spark и Kafka позволит эффективно масштабировать инфраструктуру для обучения и инференса моделей.
Я разделяю ваш подход к проактивности и командной работе. Уверен, что мои навыки в автоматизации процессов с использованием Airflow и MLflow помогут оптимизировать жизненный цикл моделей машинного обучения в банке. Буду рад обсудить, как мой опыт лидирования стримов поможет в реализации ваших амбициозных задач по RAG/LLMOps и Feature Store.
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Альфа-Банк уже сейчас
Присоединяйтесь к команде Альфа-Банка и возглавьте развитие передовой MLOps-экосистемы!
Описание вакансии
ID 2392 - TeamLead MlOps/DevOps
🌍 Локация: РФ/РБ
💼 Удаленно
🕔 Занятость: фулл тайм
🏢 Проект: Банк
Центр развития MLOps-экспертизы. Мы развиваем единую MLOps - экосистему банка.
- Среда разработки моделей / пайплайны train и inference
- Среда исполнения моделей и пайплайны доставки
- Среда немодельных сервисов
- Feature Store
- AutoML и AlfaPredict (платформа для аналитиков)
- A/B тестирование
- RAG/LLMOps
- Система обработки документов при помощи ИИ
💡 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
⭐️Личные качества:
- 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
📋Задачи:
- Лидировать стрим MLOps проектов
- Конфигурировать и разворачивать инфраструктурные компоненты
- Адаптировать/разрабатывать с нуля автоматизированные пайплайны под актуальные бизнес-задачи (MLOps, AutoML)
- 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
📨 Оставить отклик можнопо Откликнуться.
или напрямую ответственному менеджеру Откликнуться
❗️При отклике, указывайте, пожалуйста, ID вакансии, ваш стек и прикладывайте резюме.
❗️Без ID вакансии отклики не будут рассматриваться❗️
#MLOps #Удаленно #вакансия
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- MLOps
- DevOps
- Docker
- Helm
- Jenkins
- GitLab CI
- Python
- Airflow
- JupyterHub
- MLflow
- Seldon
- CUDA
- Kubernetes
- Hadoop
- Spark
- Kafka
- ELK stack
- AutoML
- RAG
- LLMOps
Возможные вопросы на собеседовании
Проверка опыта управления жизненным циклом моделей в промышленном масштабе.
Расскажите о вашем опыте построения пайплайнов для Train и Inference: какие инструменты использовали и как решали проблему версионирования данных и моделей?
Важный аспект для банковской инфраструктуры и стабильности систем.
С какими основными сложностями вы сталкивались при администрировании Kubernetes для ML-нагрузок, особенно при работе с GPU/CUDA?
Проверка навыков проектирования сложных систем.
Как бы вы спроектировали Feature Store для банка с учетом требований к низкой задержке (low latency) и консистентности данных?
Оценка лидерских качеств и умения работать с бизнес-задачами.
Опишите ситуацию, когда вам приходилось лидировать стрим разработки с нуля: как вы выстраивали коммуникацию между дата-сайентистами и инженерами инфраструктуры?
Проверка актуальных знаний в области LLM.
Какие особенности вы видите в LLMOps по сравнению с классическим MLOps, и какие инструменты для RAG-систем вы считаете наиболее эффективными?
Похожие вакансии
Mlops/DevOps TeamLead
Руководитель команды DevOps/ Lead DevOps
Ведущий инженер DevOps
Senior/Lead DevOps Engineer
Mlops/DevOps TeamLead
Lead DevOps
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