MLOps Engineer (ML Platform)

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.