Senior ML Platform Engineer

Мы ищем сильного бэкенд-разработчика, который будет отвечать за архитектуру и надежность сервисов и пайплайнов обучения ML-моделей

Обязанности

• Разработка системного дизайна сервисов с нуля и выбор оптимальных компонентов (БД, очереди, кэши, векторные хранилища) под конкретные задачи.

• Написание высоконагруженного и отказоустойчивого кода на Python.

• Создание внутренних библиотек и фреймворков для упрощения работы с обучением ML-моделей.

• Разработка пайплайнов для инференса моделей (включая LLM), управление контекстом, работа с API внешних провайдеров и локальных моделей.

• Траблшутинг сложных проблем на стыке инфраструктуры и ML.

• Настройка мониторинга, логирования и алертинга для сервисов.

• Самостоятельный сбор и анализ требований от стейкхолдеров, превращение бизнес-задач в технические решения.

• Проведение code review, помощь команде в вопросах архитектуры и лучших практик Python.

Требования

• Опыт коммерческой разработки на Python от 5 лет (AsyncIO, Многопоточность, FastAPI, Django, Flask или аналоги) из них 1 год в ML

• Глубокое понимание принципов построения распределенных систем, опыт проектирования отказоустойчивых архитектур (микросервисы, event-driven, паттерны работы с отказами)

• Понимание GIL, async/await, работа с памятью, умение писать чистый, тестируемый и переиспользуемый код (библиотеки).

• Понимание того, как работают ML-модели и LLM (эмбеддинги, RAG, fine-tuning, контекстное окно), умение выбрать подходящий инструмент (LangChain, vLLM и т.д.).

• Опыт работы с Docker, Kubernetes, CI/CD.

• Понимание принципов мониторинга (Prometheus, Grafana, Sentry) и умение диагностировать проблемы в проде.

• Проактивность, умение работать в условиях неопределенности, способность самостоятельно находить требования и предлагать решения.

• Будет плюсом опыт работы с векторными базами данных (Qdrant, Milvus, pgvector) и понимание MLOps-практик (MLflow, Clearml, Airflow, Feature Store).

Условия

• крупнейшее DS&AI community — более 600…