Описание
Xebia — глобальный партнёр в области AI-first цифровой трансформации и инженерии. Более 25 лет опыта, команда из 5000 профессионалов в 16 странах. Компания помогает организациям проектировать и строить масштабируемые продукты, платформы и решения на основе данных. Специализация: Искусственный интеллект, Data и Cloud, Intelligent Automation и Digital Products, с сильным фокусом на инженерное качество и культуру, ориентированную на людей. В регионе CEE — команда почти в 1000 экспертов, реализующая современные приложения, платформы данных и AI-решения для клиентов таких как Millennium, ING, Play, Edenred, Arabian Drilling, FedEx, Leroy Merlin, Truecaller, Volotea, Schmitz Cargobull и многих других. Компания работает с ведущими технологиями: AWS, Azure, GCP, Databricks и Snowflake, сочетая сильную инженерную культуру с консалтинговым подходом и постоянным фокусом на рост и обмен знаниями.
Задачи
•Владение инфраструктурой платформы машинного обучения в составе команды Data Infrastructure, которая управляет общекорпоративной GCP data и ML платформой
•Владение Vertex AI, Kubeflow Pipelines и GKE-based инфраструктурой обучения и сервинга, обеспечение её надёжности, безопасности и экономической эффективности
•Создание шаблонов, CI/CD и self-service workflow, позволяющих дата-сайентистам выпускать модели без заявок в поддержку
•Управление жизненным циклом моделей, включая реестр моделей, версионирование, деплой, роллбэк и мониторинг дрифта и работоспособности сервинга
•Поддержка потоков признаков и обучающих данных через BigQuery и Airflow в сотрудничестве с инженерами data platform
•Управление инфраструктурой через GitOps с Config Sync
•Применение принципа наименьших привилегий для доступа к PII и данным с политическими тегами
•Управление использованием GPU и вычислительных ресурсов, квотами и видимостью расходов по командам
•Полная сквозная ответственность за платформу, которую вертикальные команды используют для построения, обучения и сервинга своих моделей
Требования
•5+ лет опыта в MLOps, ML platform или platform engineering, включая минимум 2 года владения продакшн ML-инфраструктурой end-to-end
•Практический продакшн-опыт с GCP, в частности Vertex AI, GKE и BigQuery
•Сильная экспертиза в Kubernetes, включая самостоятельную эксплуатацию и дебаг кластеров
•Оркестрация пайплайнов с Kubeflow Pipelines или Vertex AI Pipelines, а также Airflow
•GitOps для инфраструктуры (Config Sync или аналог) и CI/CD для деплоя моделей
•Продакшн-уровень навыков Python, включая тестирование и упаковку
•Platform mindset: опыт построения документированного self-service инструментария для других команд, с SLO
•Способность работать самостоятельно как единственный владелец общекорпоративной платформы
•Требуется работа из региона Европейского союза и разрешение на работу
Будет плюсом
•Опыт со streaming features или online inference с использованием Dataflow/Flink и Kafka
•Feature stores, такие как Vertex AI Feature Store или Feast, и инструменты мониторинга моделей
•LLM serving и evaluation на Vertex AI или аналогичных платформах
•GPU scheduling и оптимизация затрат на GKE
•Опыт в области data governance (DataHub, policy tags) и регуляций по приватности, таких как GDPR или DPDP
•Опыт работы с высоконагруженными консьюмерскими продуктами
Процесс найма
CV review – HR call – Interview – Client Interview – Decision
