← К каталогу
МА

МАГНИТ, Розничная сеть

MLOps/ DevOps Engineer

УдалённоУровень не указанМосква, Россия2 ч назад
СИГНАЛ JOBRADAR75/100Нормальный сигнал актуальности
ПАСПОРТ ВАКАНСИИ

Что JobRadar наблюдает сейчас

Балл строится только на фактах из источников: свежести подтверждения, возрасте записи и происхождении вакансии. Это не гарантия найма и не оценка работодателя.

Последнее подтверждение24 мин. назад
Впервые замечена1 ч назад
Активные источники1 источник
ПроисхождениеПубличный источник
О ВАКАНСИИ

Описание вакансии

Мы - команда «Пульс Магнит» - это кросс-платформенная информационная система, объединяющая несколько бизнес и операционных направлений компании в единой платформе.

В поиске инженера, которому интересно не только поддерживать существующую инфраструктуру, но и влиять на то, как будет устроена MLOps-платформа, инженерные стандарты и процессы взаимодействия между DevOps, Data Science и бизнесом.

Что нужно делать

  • Проектировать и развивать отказоустойчивую MLOps-платформу: строить новые решения и масштабировать существующую инфраструктуру
  • Развивать E2E ML-пайплайны: от подготовки и обучения модели до валидации, деплоя, мониторинга и переобучения
  • Выстраивать CI/CD/CT-процессы для ML-решений, автоматизировать поставку сервисов и моделей в production
  • Проектировать и развивать Kubernetes-кластеры для обучения моделей и высоконагруженного инференса, оптимизировать использование GPU- и CPU-ресурсов
  • Развивать model serving и мониторинг ML-систем: контролировать качество моделей, Data и Model Drift, latency, производительность и ключевые бизнес-метрики
  • Внедрять DevOps- и MLOps-практики, стандарты безопасности и управления данными в командах Data Science
  • Проводить архитектурные ревью, работать с техническим долгом, менторить инженеров и помогать командам принимать технические решения

Нам важно

  • От 4 лет опыта в DevOps, SRE или инфраструктурной инженерии и от 2-3 лет в роли MLOps Engineer
  • Уверенный опыт работы с Kubernetes, Helm, Terraform и Ansible
  • Опыт построения и эксплуатации MLOps-пайплайнов, CI/CD и GitOps-процессов для ML-продуктов
  • Понимание ML-инженерии: distributed training, особенности production-инференса, оптимизация и квантование моделей
  • Опыт проектирования распределенных систем и работы с интеграционными паттернами: микросервисы, очереди сообщений, gRPC
  • Опыт настройки мониторинга и наблюдаемости: Prometheus, Grafana, Evidently AI или аналоги
  • Уверенное владение Python и Bash для автоматизации и работы с инфраструктурой
  • …

Здесь показан очищенный фрагмент описания из источника. Полные условия и актуальность вакансии проверьте на странице работодателя.

ИсточникHeadHunter / DevOps / RU