ML Engineer (MLOps)

Мы в поисках Middle ML Engineer (MLOps) в отдел Data Science.

Основные задачи будут сфокусированы вокруг создания и внедрения общих инструментов и Best Practice-подходов в процесс разработки ML-решений с целью уменьшения Time-to-Market продуктовых команд, эффективного масштабирования, а также повышения надежности разрабатываемых решений.

Чем предстоит заниматься

• Совершенствовать и стандартизировать подходы к разработке на всех этапах жизненного цикла ML-решений от проведения экспериментов до выкатки в production (batch/online-режимы) и поддержки, повышать надежность получающихся на выходе решений.
• Помогать продуктовым командам прорабатывать архитектуру и запускать в production ML-решения с применением различных фреймворков и библиотек (в том числе Deep Learning).
• Разрабатывать и внедрять общие для различных команд MLOps-инструменты и сервисы Feature Store, Model Registry, Data Quality, инструменты для CI/CD и мониторинга ML-моделей.
• Тесно общаться с DevOps- и DataOps-командами для согласования и/или настройки необходимой инфраструктуры.

Мы ожидаем

• Опыт разработки, внедрения и автоматизации ML- или Data Engineering-решений (от 1 года).
• Знание общих принципов работы алгоритмов машинного обучения, понимание проблем разработки, внедрения и эксплуатации ML-решений.
• Опыт работы с Spark, Airflow, Docker.
• Уверенное владение Python, Linux, методами работы с большими данными.
• Опыт написания CI/CD пайплайнов в Gitlab/Bamboo.
• Знание алгоритмов и структур данных.
• Английский язык на уровне технического чтения.

Будет плюсом

• Опыт работы с MLOps-инструментами (MLflow, Feast, DVC, Seldon Core, Kubeflow, Kedro, KServe и т.д.).
• Опыт работы с Kubernetes и Helm.
• Опыт работы с Yandex Cloud (совсем в идеале через Terraform).
• Опыт работы с Hadoop, Hive, Trino.
• Опыт разработки и/или внедрения Deep Learning-моделей.
• Знание Golang.