DevOps-инженер

Показать контакты

Описание вакансии

Обязанности:

Поддержка и развитие ML-инфраструктуры: Обеспечение бесперебойной работы и масштабирования систем хранения и обработки данных для ML-команды.
Разработка пайплайнов данных: Реализация, оптимизация и поддержка пайплайнов для подготовки, трансформации и поставки данных для тренировки и инференса ML-моделей.
Автоматизация MLOps: Автоматизация процессов сборки, тестирования и развертывания (CI/CD) ML-проектов.
Поддержка сред разработки: Обеспечение стабильности и доступности среды разработки для дата-сайентистов и аналитиков данных.
Поддержка BI-инструментов: Администрирование и поддержка BI-систем.
Управление окружениями: Развертывание, конфигурирование и поддержка серверов, виртуальных сред и контейнеров.
Оптимизация производительности: Работа с распределенными вычислениями и оптимизация производительности ML-моделей.
Обеспечение безопасности: Применение принципов безопасности и управления данными, в том числе в корпоративных и локальных средах.
Взаимодействие с командой: Тесное сотрудничество с инженерами, аналитиками данных и data scientists.

Требования:

Высшее техническое образование в сфере компьютерных наук, математики, машинного обучения или смежных областях.
Опыт работы: От 3 лет в сфере Data Engineering, DevOps, MLOps, с практическим опытом работы с инфраструктурой ML-разработки.
Понимание основ жизненного цикла ML-приложений.
Понимание устройства и принципов работы систем хранения данных.
Опыт работы с Docker, сборка Docker-контейнеров (включая под GPU Nvidia с PyTorch, TensorFlow, Ultralytics). Опыт работы с Kubernetes (on-premise deployment – плюс).
Знание принципов CI/CD, опыт работы с инструментами автоматизации и конвейерами.
Уверенное знание GNU/Linux и опыт администрирования серверов.
Опыт разработки и сопровождения пайплайнов с использованием оркестраторов (Airflow).
Умение настраивать и сопровождать системы мониторинга.
Отличное знание Python и Bash, опыт работы с SQL.
Опыт работы с ClickHouse, PostgreSQL.
Опыт работы с Git, MLflow, JupyterHub.
Навыки коммуникации и эффективного сотрудничества с аналитическими подразделениями.