- Страна
- Россия
- Зарплата
- 270 000 ₽ – 280 000 ₽
Откликайтесь
на вакансии с ИИ

Ведущий DevSecOps / MLOps Инженер
Интересная позиция на стыке DevOps и AI в крупном секторе экономики. Предлагается конкурентная ставка для аутстаффа и возможность работать с современным стеком (LLM, RAG), однако работа через ИП/СЗ может подойти не всем.
Сложность вакансии
Роль требует редкого сочетания навыков в DevSecOps, MLOps и системной архитектуре. Кандидату необходимо не только владеть стандартным стеком (K8s, CI/CD), но и понимать специфику работы с LLM, векторными БД и GPU-инференсом.
Анализ зарплаты
Предложенная ставка 270 000 – 280 000 RUB находится в пределах рыночного диапазона для Senior DevSecOps ролей, но для позиции уровня Lead/Ведущий с экспертизой в MLOps это скорее нижняя граница рынка. Специалисты с таким редким набором навыков (AI + Security + Infra) часто претендуют на суммы от 350 000 RUB и выше.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь уже сейчас
Присоединяйтесь к цифровой трансформации агропромышленности и внедряйте передовые AI-решения — откликайтесь прямо сейчас!
Описание вакансии
Публикатор: Yana Klapats
Обсуждение:
Позиция: Ведущий DevSecOps / MLOps Инженер
Название Компании: Агрохолдинг
Формат: удалённая работа
Занятость: (Full time), долгосрочный проект
Оформление: аутстафф ИП,СЗ
Ставка: от 270 000 до 280 000 RUB
Гражданство — РФ/РБ, локация — РФ, РБ
Ищем ведущего DevSecOps/MLOps‑инженера для внедрения ИИ и цифровой трансформации. Роль сочетает техническую экспертизу, архитектуру и бизнес‑анализ: будете проектировать инфраструктуру для AI/ML‑ и RAG‑сервисов, выстраивать DevSecOps‑практики и интегрировать ИИ‑решения с корпоративными системами.
Ключевые требования:
Опыт от 3 лет в DevSecOps с фокусом на ИТ‑ и AI‑решениях, проекты в промышленной эксплуатации.
Проектирование AI/ML/RAG‑инфраструктуры (LLM, векторные БД, GPU‑инференс, оркестрация).
CI/CD (Jenkins, K8s, Helm), IaC (Terraform, Ansible), Linux, сетевые контуры (VLAN, DMZ).
Мониторинг и безопасность: Prometheus/Grafana, SAST/DAST, Trivy, Vault; знание 152‑ФЗ, 187‑ФЗ.
Инструменты и стек: Python 3.10+, SQL, JS/TS, vLLM, Qdrant/Weaviate, Airflow, MLflow, Keycloak, Dify/LangGraph.
Архитектурные навыки: C4, UML, BPMN; интеграция с 1С, CRM, DWH, BI.
Будет плюсом:
Построение DevSecOps с нуля или развитие практик.
MLOps/LLMOps: версионирование, мониторинг качества моделей.
Облака (Yandex Cloud, AWS, GCP), сертификаты DevOps/Kubernetes/ИБ.
Основные задачи:
Проектировать и сопровождать инфраструктуру (DataHub, AI/ML, RAG, чат‑боты, базы знаний).
Развивать DevSecOps: CI/CD, IaC, управление секретами, контроль уязвимостей, аудит.
Настраивать пайплайны сборки, тестирования и доставки в dev/test/preprod/prod.
Обеспечивать надёжность, отказоустойчивость, масштабирование и оптимизацию затрат.
Собирать требования бизнеса, формировать ТЗ, совместно с DE/DS/ML определять архитектуру ИИ‑решений.
Интегрировать ИИ‑сервисы с корпоративными системами.
Отклик: Откликнуться
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- TypeScript
- Python
- Linux
- Terraform
- LLM
- SQL
- Kubernetes
- Helm
- Prometheus
- Grafana
- JavaScript
- MLOps
- RAG
- Airflow
- Jenkins
- MLflow
- Keycloak
- DevSecOps
- Ansible
- Vault
- SAST
- DAST
Возможные вопросы на собеседовании
Проверка понимания специфики MLOps и работы с большими языковыми моделями.
Как бы вы спроектировали инфраструктуру для RAG-системы с учетом необходимости GPU-инференса и использования векторных БД?
Оценка навыков обеспечения безопасности в рамках DevSecOps.
Какие инструменты и этапы вы включите в CI/CD пайплайн для обеспечения соответствия требованиям 152-ФЗ и 187-ФЗ?
Проверка опыта работы с оркестрацией и масштабированием.
Опишите ваш опыт настройки автоскалирования для ML-нагрузок в Kubernetes. С какими сложностями вы сталкивались?
Оценка архитектурного мышления и навыков интеграции.
Как вы организуете мониторинг качества моделей (Model Monitoring) и версионирование данных в связке с Airflow и MLflow?
Проверка навыков взаимодействия с бизнесом и другими командами.