О проекте
Мы развиваем внутреннюю ML-платформу для команд Data Science и ML. Платформа обеспечивает полный цикл работы с ML: от интерактивных окружений для исследований до обучения моделей на GPU, версионирования данных и моделей, оркестрации пайплайнов.
Ищем MLOps-инженера, который поможет развивать инфраструктуру, автоматизировать процессы и делать платформу надёжной, масштабируемой и удобной для пользователей.
Наш стек
•ОС и контейнеры: Linux, Docker, Kubernetes, Helm
•IaC и автоматизация: Terraform, Ansible
•CI/CD: GitLab, GitLab CI/CD, Registry
•Мониторинг и логи: Grafana, Prometheus, VictoriaMetrics, Kibana
•Языки: Python
•ML-инструменты: JupyterHub, YTsaurus, Slurm, Airflow, MLflow, LakeFS
•GPU: NVIDIA GPU, MIG
•Сеть: TCP/IP, DNS, ingress, балансировка, сетевые политики
Обязанности
•развивать и поддерживать ML-платформу: окружения для обучения и экспериментов
•разворачивать и сопровождать сервисы в Kubernetes: Helm, Docker, ingress, сетевые политики, балансировка
•автоматизировать инфраструктуру с помощью Terraform, Ansible, Helm
•строить и поддерживать CI/CD-процессы в GitLab: сборка, тестирование, публикация образов в Registry, деплой
•управлять GPU-ресурсами: NVIDIA GPU, MIG, планирование, изоляция, мониторинг загрузки
•интегрировать и поддерживать инструменты ML-платформы: JupyterHub, YTsaurus, Slurm, Airflow, MLflow, LakeFS
•обеспечивать observability: Grafana, Prometheus, VictoriaMetrics, Kibana
•работать с сетью: DNS, TCP/IP, маршрутизация, балансировка, firewall, service discovery
•писать автоматизацию и внутренние сервисы на Python
•обеспечивать отказоустойчивость, безопасность, масштабирование и предсказуемость платформы
•консультировать команды DS/ML по использованию платформы и лучшим практикам
Требования
•уверенное знание Linux и сетей
•коммерческий опыт эксплуатации Kubernetes в production
•опыт работы с Docker, Helm, Terraform, Ansible
•опыт построения CI/CD в GitLab, включая Registry
•понимание принципов мониторинга и логирования: Prometheus, VictoriaMetrics, Grafana, Kibana
•уверенный Python для автоматизации и написания внутренних сервисов
•опыт работы с GPU-ресурсами: NVIDIA GPU, MIG, планирование и мониторинг
•понимание жизненного цикла ML-моделей и задач MLOps
•опыт интеграции или поддержки инструментов из ML-стека: JupyterHub, YTsaurus, Slurm, Airflow, MLflow, LakeFS
Условия
•возможность выбрать удобный формат работы: гибрид или офис
•ежегодный пересмотр зарплаты, годовая премия
•корпоративный спортзал и зоны отдыха
•более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
•расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
•ипотека выгоднее до 7% для каждого сотрудника
•бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
•вознаграждение за рекомендацию друзей в команду Сбера
