MLOps инженер (Лаборатория Касперского)@ Лаборатория Касперского
О позиции
Мы ищем MLOps инженера для работы в Лаборатории Касперского. Ваша роль будет заключаться в проектировании и внедрении архитектуры AI-систем, а также в поддержке ML-пайплайнов. Вы будете работать с современными технологиями и инструментами, что позволит вам развивать свои навыки в области MLOps.
Чем вы будете заниматься
- Проектировать архитектуру AI-систем (от прототипа до production);
- Внедрять GPU-планировщики для оптимизации нагрузки;
- Поддерживать ML-пайплайны, включая обучение, валидацию и деплой моделей;
- Настраивать CI/CD для моделей, включая версионирование данных и экспериментов;
- Мониторить production-модели, включая drift detection и performance tracking;
- Оптимизировать LLM и inference-серверы;
- Контейнеризировать и оркестрировать сервисы с использованием Docker и Kubernetes;
- Автоматизировать рутинные операции и вести техническую документацию.
Требования
- Опыт работы от 2 лет в MLOps или DevOps;
- Уверенное владение Python;
- Глубокие знания Linux;
- Опыт работы с Docker и Kubernetes;
- Знания Terraform и Ansible для IaC;
- Опыт построения или управления GPU-кластерами;
- Высшее техническое образование.
Будет плюсом
- Опыт с MLflow, Kubeflow, Airflow;
- Знания о GPU-планировщиках (Kueue, Volcano);
- Опыт работы с CI/CD (GitLab CI, Jenkins).
Что мы предлагаем
- Конкурентная зарплата;
- Работа в команде профессионалов;
- Возможности для профессионального роста;
- Современный офис в Москве;
- Доступ к последним технологиям и инструментам.
Вакансия предлагает интересные задачи в области MLOps с возможностью работать в известной компании. Однако, отсутствие четкой информации о зарплате может быть минусом.
Кто здесь добьётся успеха
Глубокие знания Python и опыт работы с библиотеками для машинного обучения, такими как TensorFlow или PyTorch, для проектирования и внедрения AI-систем.
Способность работать в офисе, проявляя инициативу и активно участвуя в обсуждениях по архитектуре проектов и оптимизации ML-пайплайнов.
Опыт работы с инструментами контейнеризации и оркестрации, такими как Docker и Kubernetes, для эффективного развертывания и управления ML-моделями в production.
Ресурсы для обучения
Карьерный путь
Обзор рынка
Навыки и требования
Тренды отрасли
Новости Cybersecurity
Загружаем новости отрасли...
Ищем релевантные статьи за последние 6 месяцев