Описание
Описания нет
Задачи
•Проектирование, развёртывание и развитие инфраструктуры платформы искусственного интеллекта (on-prem и облако): Kubernetes-кластеры, GPU-ноды, storage, сети, безопасность
•Построение и поддержка CI/CD/CT-пайплайнов для ML-моделей и сервисов: от артефакта DS до продакшн-инференса с откатами и канареечными релизами
•Интеграция и эксплуатация LLM/ML-сервисов для внутренних команд и рыночных внедрений: упаковка моделей в сервисы, конфигурация autoscaling, SLA, observability
•Настройка мониторинга и алертинга по инфраструктуре и моделям (метрики ресурсов, latency, ошибки, дрейф данных), реагирование на инциденты, участие в post-mortem
•Автоматизация ML-пайплайнов: подготовка данных, обучение, переобучение, регистрация моделей, управление версиями и окружениями
•Поддержка внедрений у клиентов: тиражирование платформенных компонентов, адаптация инфраструктуры под контур заказчика, участие в performance-оптимизации и cost-cutting (GPU/CPU)
Требования
Будет плюсом:
•Оконченное высшее образование (IT, техническое, математическое)
•Коммерческий опыт в роли от 5 лет
•Глубокое понимание жизненного цикла ML-модели: от экспериментов до продакшн-инференса и мониторинга
•Уверенный Linux, сетевые основы, безопасность, работа с контейнерами и оркестраторами
•Опыт построения CI/CD-пайплайнов для сервисов и ML-артефактов (Docker images, модели, данные)
•Опыт с LLM/GenAI-платформами: vLLM, TGI, Hugging Face, Triton/ONNX Runtime, оптимизация инференса
•Опыт построения feature store, model registry, ML pipelines (Kubeflow, MLflow, Airflow, Argo Workflows)
•Опыт работы в гибридной инфраструктуре: on-prem кластеры + публичные облака (T1 Cloud, VK Cloud, Yandex Cloud и др.)
•Понимание cost-optimization: FinOps для GPU/CPU, автобалансировка нагрузок
•Опыт проектирования и развёртывания инфраструктуры платформы ИИ (кластер Kubernetes, storage, сети, security) под LLM/ML-нагрузки
•Опыт построения воспроизводимых ML-пайплайнов: обучение, валидация, packaging модели, деплой в batch и real-time режимах
•Опыт настройки мониторинга моделей: метрики качества, дрейф данных, latency/throughput, автоматический rollback и retraining-триггеры
•Опыт совместной работы с DS/разработчиками и внедренцами: перевод экспериментальных ноутбуков в надёжные сервисы для внутренних и внешних клиентов
Условия
Условий в вакансии нет
