Сбер

MLOps Engineer (ML Platform)

Коротко

Развитие и эксплуатация внутренней ML-платформы Сбера: окружения для обучения на GPU, версионирование данных и моделей, оркестрация пайплайнов. Основные задачи — эксплуатация Kubernetes, управление GPU-ресурсами NVIDIA/MIG, построение CI/CD в GitLab и автоматизация инфраструктуры через Terraform/Ansible, а также мониторинг и логирование сервисов. Требуется коммерческий опыт Kubernetes в production, уверенное знание Linux, сетей и Python, а также опыт работы с GPU и инструментами ML-стека (JupyterHub, Airflow, MLflow и др.).

Локация и формат
Локация: Москва, Россия; гибридный или офисный формат работы.
Зарплата: 300 000–700 000 ₽ в месяц на руки.
Компания
Сбер развивает внутреннюю ML-платформу для команд Data Science и ML, обеспечивающую полный цикл работы с моделями: от интерактивных окружений и обучения на GPU до версионирования данных и моделей и оркестрации пайплайнов.
Что делать
•Развивать и поддерживать ML-платформу, включая окружения для обучения и экспериментов.
•Разворачивать и сопровождать сервисы в Kubernetes с использованием Helm, Docker, ingress, сетевых политик и балансировки.
•Автоматизировать инфраструктуру с помощью Terraform, Ansible и Helm.
•Строить и поддерживать CI/CD-процессы в GitLab: сборку, тестирование, публикацию образов в Registry и деплой.
•Управлять GPU-ресурсами NVIDIA и MIG, интегрировать инструменты ML-платформы и обеспечивать мониторинг, логирование, отказоустойчивость, безопасность и масштабирование.
•Консультировать команды DS/ML по использованию платформы и лучшим практикам.
Требования
•Уверенное знание Linux и сетей, включая DNS, TCP/IP, маршрутизацию, балансировку, firewall и service discovery.
•Коммерческий опыт эксплуатации Kubernetes в production, а также опыт работы с Docker, Helm, Terraform и Ansible.
•Опыт построения CI/CD в GitLab, включая Registry.
•Понимание принципов мониторинга и логирования с использованием Prometheus, VictoriaMetrics, Grafana и Kibana.
•Уверенное знание Python для автоматизации и написания внутренних сервисов.
•Опыт работы с GPU-ресурсами: NVIDIA GPU, MIG, планирование, изоляция и мониторинг загрузки.
•Понимание жизненного цикла ML-моделей и задач MLOps.
•Опыт интеграции или поддержки инструментов ML-стека: JupyterHub, YTsaurus, Slurm, Airflow, MLflow и LakeFS.
Культура и преимущества
•Возможность выбрать гибридный или офисный формат работы.
•Ежегодный пересмотр зарплаты и годовая премия.
•Корпоративный спортзал, зоны отдыха и расширенный ДМС.
•Льготное страхование для семьи и корпоративная пенсионная программа.
•Более 400 образовательных программ СберУниверситета, ипотека по ставке до 7%, подписка СберПрайм+ и скидки на продукты компаний-партнёров.
•Вознаграждение за рекомендации кандидатов в команду.

Хватит откликаться.
Получите рекомендацию.

$10 стартовых кредитов

Всего 60 секунд, полностью на автопилоте — AI-агенты Eraldt читают ваше резюме, определяют подходящие роли, находят живые вакансии и людей, которые могут вас порекомендовать, пишут им личные письма и добиваются рекомендации.

Это не отклик на вакансию: резюме не уходит в компанию, а рекомендацию именно по этой роли мы не обещаем.

Посмотрите, кто ещё получает интервью на автопилоте