Загружаем источник...Мэтч & Сопровод
Покажет вашу совместимость и напишет письмо
Описание вакансии
ID 2097
MLOps
Senior
🇷🇺 Вилка до до 270 налоги на вас
🌍 Локация: РФ
💼Сотрудничество : по ИП
Eclipse Digital
https://eclipse-studio.ru/ - наниматель
Вакансия - нашего партнера
Загрузка: Fulltime
Длительность: Длительный проект
❗️Обязательные данные по кандидату при подаче: ❗️
● ФИ
● Страна+Город
● Грейд
● Ставка
● Дата рождения
● Когда готов стартовать
● Названия компаний, где работал специалист, должны быть отражены в проектах
● Оценить требования ДА/НЕТ, в соответствии с наличием опыта.️
● ВСЕ ТРЕБОВАНИЯ ИЗ ЗАПРОСА ОТРАЖЕНЫ В ПРОЕКТАХ РЕЗЮМЕ
Требования:
• Образование и опыт: Высшее техническое образование (информатика, прикладная математика или смежное).
• Опыт работы MLOps / LLMOps или DevOps-инженером не менее 3 лет, участие в проектах по внедрению ИИ в продакшен будет плюСом.
• Контейнеризация и оркестрация: Уверенное владение Docker для контейнеризации приложений; опыт работы с
Kubernetes, OpenShift, знание Helm для управления чартами будет плюсом.
• CI/CD и автоматизация: Практические навыки настройки CI/CD-процессов. Знание скриптовых языков (Bash, Python) для автоматизации задач. Будет плюсом умение/желание разрабатывать небольшие сервисы на Python.
• Облачные технологии и инфраструктура: Опыт работы с облачными платформами (AWS, Azure, GCP) либо частными облаками; понимание специализированных сервисов для LLM/ML (например, AWS SageMaker, Azure ML Studio) приветствуется. Навыки Infrastructure as Code (Terraform, Ansible) для управления конфигурацией.
Мониторинг и логированне: Понимание концепции observability. Знакомство с инструментами мониторинга (Prometheu Grafana) и централизованного логировання (ELK-stack: Elasticsearch, Logstash, Kibana, либо Е с Fluentd). Умение
диагностировать проблемы по логам и метрикам и принимать меры по стабилизации систем.
• Базы данных: Понимание работы систем хранения данных, опыт работы с СУБД (SQL/NoSQL) и распределенными системами для подготовки и обработки данных под модели. Навык оптимизации запросов и работы с большими объемами данных.
• Языки и фреймворки: Python (в том числе библиотеки для ML: scikit-learn, PyTorch, TensorFlow для базового понимання моделей), скрипты Bash для автоматизации.
• Контейнеры и оркестрация: Docker, Kubernetes (kubectl, Helm), Docker Compose для локального тестирования.
• CI/CD и DevOps: Git для контроля версий, платформы CI/CD (GitLab, Jenkins), система управлення конфигурациями
Ansible, Terraform для инфраструктуры как кода.
• Мониторинг и логирование: Prometheus/Grafana, стек ELK/EFK, а также облачные аналоги (например, CloudWatch, Stackdriver) при работе в облаке.
• Прочее: MLflow или DVC для версионирования данных и моделей: Kafka или RabbitMQ для потоковой обработки, если используется; инструменты для деплоя моделей (TensorFlow Serving, TorchServe).
Задачи:
• Развёртывание и масштабирование инфраструктуры: Проектирование, развертывание и конфигурация серверной и облачной инфраструктуры для запуска моделей ML/LLM. Обеспечение масштабируемости (например, настройка кластеров
Kubernetes для обслуживания моделей под высокими нагрузками).
• CI/CD: Построение конвейеров непрерывной интеграции и доставки изменений (в частности для деплоя LLM-моделей).
• Мониторинг и надежность: Внедрение систем мониторинга производительности моделей и сервисов (метрики времени отклика, использование ресурсов, качество ответов моделей). Настройка алертинга и логирования для быстрого выявления сбоев или деградации производительности систем.
• Оптимизация и эффективность: Анализ производительности инфраструктуры и внесение улучшений для оптимизации скорости работы систем (например, использование GPU/TPU). Контроль за эффективным использованием ресурсов и затратами.
- Изучение и внедрение новых инструментов в процессы работы.
• Сотрудничество с командами. Консультирование коллег по лучшим практикам
📨 Откликнуться можно в telegram
MLOps
Senior
🇷🇺 Вилка до до 270 налоги на вас
🌍 Локация: РФ
💼Сотрудничество : по ИП
Eclipse Digital
https://eclipse-studio.ru/ - наниматель
Вакансия - нашего партнера
Загрузка: Fulltime
Длительность: Длительный проект
❗️Обязательные данные по кандидату при подаче: ❗️
● ФИ
● Страна+Город
● Грейд
● Ставка
● Дата рождения
● Когда готов стартовать
● Названия компаний, где работал специалист, должны быть отражены в проектах
● Оценить требования ДА/НЕТ, в соответствии с наличием опыта.️
● ВСЕ ТРЕБОВАНИЯ ИЗ ЗАПРОСА ОТРАЖЕНЫ В ПРОЕКТАХ РЕЗЮМЕ
Требования:
• Образование и опыт: Высшее техническое образование (информатика, прикладная математика или смежное).
• Опыт работы MLOps / LLMOps или DevOps-инженером не менее 3 лет, участие в проектах по внедрению ИИ в продакшен будет плюСом.
• Контейнеризация и оркестрация: Уверенное владение Docker для контейнеризации приложений; опыт работы с
Kubernetes, OpenShift, знание Helm для управления чартами будет плюсом.
• CI/CD и автоматизация: Практические навыки настройки CI/CD-процессов. Знание скриптовых языков (Bash, Python) для автоматизации задач. Будет плюсом умение/желание разрабатывать небольшие сервисы на Python.
• Облачные технологии и инфраструктура: Опыт работы с облачными платформами (AWS, Azure, GCP) либо частными облаками; понимание специализированных сервисов для LLM/ML (например, AWS SageMaker, Azure ML Studio) приветствуется. Навыки Infrastructure as Code (Terraform, Ansible) для управления конфигурацией.
Мониторинг и логированне: Понимание концепции observability. Знакомство с инструментами мониторинга (Prometheu Grafana) и централизованного логировання (ELK-stack: Elasticsearch, Logstash, Kibana, либо Е с Fluentd). Умение
диагностировать проблемы по логам и метрикам и принимать меры по стабилизации систем.
• Базы данных: Понимание работы систем хранения данных, опыт работы с СУБД (SQL/NoSQL) и распределенными системами для подготовки и обработки данных под модели. Навык оптимизации запросов и работы с большими объемами данных.
• Языки и фреймворки: Python (в том числе библиотеки для ML: scikit-learn, PyTorch, TensorFlow для базового понимання моделей), скрипты Bash для автоматизации.
• Контейнеры и оркестрация: Docker, Kubernetes (kubectl, Helm), Docker Compose для локального тестирования.
• CI/CD и DevOps: Git для контроля версий, платформы CI/CD (GitLab, Jenkins), система управлення конфигурациями
Ansible, Terraform для инфраструктуры как кода.
• Мониторинг и логирование: Prometheus/Grafana, стек ELK/EFK, а также облачные аналоги (например, CloudWatch, Stackdriver) при работе в облаке.
• Прочее: MLflow или DVC для версионирования данных и моделей: Kafka или RabbitMQ для потоковой обработки, если используется; инструменты для деплоя моделей (TensorFlow Serving, TorchServe).
Задачи:
• Развёртывание и масштабирование инфраструктуры: Проектирование, развертывание и конфигурация серверной и облачной инфраструктуры для запуска моделей ML/LLM. Обеспечение масштабируемости (например, настройка кластеров
Kubernetes для обслуживания моделей под высокими нагрузками).
• CI/CD: Построение конвейеров непрерывной интеграции и доставки изменений (в частности для деплоя LLM-моделей).
• Мониторинг и надежность: Внедрение систем мониторинга производительности моделей и сервисов (метрики времени отклика, использование ресурсов, качество ответов моделей). Настройка алертинга и логирования для быстрого выявления сбоев или деградации производительности систем.
• Оптимизация и эффективность: Анализ производительности инфраструктуры и внесение улучшений для оптимизации скорости работы систем (например, использование GPU/TPU). Контроль за эффективным использованием ресурсов и затратами.
- Изучение и внедрение новых инструментов в процессы работы.
• Сотрудничество с командами. Консультирование коллег по лучшим практикам
📨 Откликнуться можно в telegram
Будьте осторожны: если работодатель просит войти в их систему, используя iCloud/Google, прислать код/пароль, запустить код/ПО, не делайте этого - это мошенники. Обязательно жмите "Пожаловаться" или пишите в поддержку. Подробнее в гайде →
Текст вакансии взят без изменений
Источник -