ML Engineer / DevOps

Что предстоит делать

WMT Group - аккредитованная IT- компания РФ. Чем придется заниматься: Развертывание и масштабирование в продакшене: - Контейнеризация ML-моделей с использованием Docker и развертывание в Kubernetes кластерах - Настройка и управление оркестрацией ML-пайплайнов через Apache Airflow - Обеспечение масштабируемости и отказоустойчивости ML-сервисов в on-premise средах Мониторинг и оптимизация: – Подключение сервисов к системам мониторинга и журналирования - Анализ и устранение инцидентов в работе ML-сервисов на третьей линии поддержки - Оптимизация использования вычислительных ресурсов и автомасштабирование рабочих нагрузок Интеграция и автоматизация** - Разработка интеграций между ML-сервисами через REST API и системы обмена сообщениями (Kafka) - Создание автоматизированных пайплайнов для обработки данных, feature engineering и тестирования моделей - Внедрение Infrastructure as Code подходов для управления ML-инфраструктурой Требования и навыки: Технические компетенции: - Глубокое владение Python (от 3 лет) с пониманием принципов написания production-ready кода - Опыт работы с контейнеризацией (Docker) и оркестрацией (Kubernetes) для развертывания ML-моделей - Уверенное владение Apache Airflow для оркестрации ML-пайплайнов DevOps и инфраструктурные навыки: - Понимание построения CI/CD пайплайнов для ML-решений (GitLab CI, GitHub Actions) - Навыки работы с системами мониторинга (Prometheus, Grafana) и централизованного логирования Будет преимуществом ML и данные: - Понимание жизненного цикла ML-проектов и специфики production ML-решений - Опыт работы с системами управления версий данных и feature store - Базовые знания принципов машинного обучения и методов валидации моделей Расширенные технологические навыки: - Опыт работы с распределенными вычислениями (Apache Spark, Hadoop) - Знание специализированных ML-фреймворков (MLflow, ZenML) - Опыт работы с векторными базами данных и системами поиска для RAG-приложений Наш Технологический стек - Оркестрация: Apache Airflow - Контейнеризация: Docker, Kubernetes - CI/CD: Сфера CI/CD - Мониторинг: Prometheus, Grafana, ELK Stack БД: Postgres, OpenSearch Данные: S3/MinIO, HDFS Языки и фреймворки - Python (основной) - ML библиотеки: CatBoost, scikit-learn, PyTorch, Keras - REST API разработка (FastAPI) - Apache Kafka -Apache Spark

Что предлагаем