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.
