MLOps-инженер

Что предстоит делать

Навыки: Python, FastAPI, Kubernetes, Docker, Apache Airflow. Квалификация: Middle. Специализации: MLOps-инженер. Росгосстрах сейчас активно развивает внутреннюю платформу - экосистему AI-сервисов для автоматизации ключевых процессов компании. Для этого формируем новую команду, которая будет фокусироваться на улучшении ключевых метрик новых моделей, минимизацию временных затрат на их разработку и выведению в промышленную эксплуатацию. ## Ключевой стек: - Оркестрация и деплой: Kubernetes, Docker - ML-инфраструктура: Airflow, MLflow, Jfrog Artifactory - Бэкенд и API: FastAPI, Pydantic, SQLAlchemy, asyncpg - Базы данных: PostgreSQL, Redis, ArangoDB, OpenSearch - Языки и инструменты: Python, Bash, Git - CI/CD и VCS: Bitbucket, Bamboo ## **Что предстоит:** - Работа с уже существующими ML-моделями: встраивание в бизнес-процессы, масштабирование и вывод в продакшен; - Настройка и поддержка пайплайнов и сервисов для batch- и online-инференса; - Разработка и отладка DAG-ов в Airflow; - Контейнеризация сервисов и эксплуатация моделей в Kubernetes; - Разработка и поддержка API на FastAPI для интеграции моделей; - Обеспечение стабильной работы ML-сервисов в продакшене; - Версионирование моделей и управление артефактами; - Оптимизация инференса и контроль использования ресурсов; - Участие в развитии инфраструктуры полного жизненного цикла ML-моделей. ## **Для нас важно:** - Опыт работы в области MLOps/ML-engineer от 3 лет; - Понимание ML-алгоритмов и жизненного цикла модели:от постановки задачи, экспериментов и версионирования до деплоя и мониторинга в продакшене; - знаете, как работают бустинги; - чем трансформеры (LLM) отличаются от классических сетей; - знаете, что такое эмбеддинги и для чего они применяются. Python и FastAPI: - уверенное владение асинхронным/многопоточным программированием (asyncio, threading, multiprocessing); - ООП с принципами SOLID; - проектирование поддерживаемых, документированных и высоконагруженных API; - Работа с SQLAlchemy, асинхронными драйверами базы данных. Airflow: разработка и отладка DAG-ов для batch-инференса моделей;Контейнеризация и оркестрация: работа с Docker и Kubernetes — опыт эксплуатации production-кластеров, настройка лимитов;Работа с базами данных: SQL, NoSQL - владение реляционными БД для хранения структурированных данных. ## **Является преимуществом:** - KServe / Seldon / TorchServe — опыт развертывания моделей на inference-платформах. - Triton Inference Server — оптимизация инференса, динамическое батчирование, работа с разными бекендами (TensorRT, ONNX). - опыт инференса больших языковых моделей (vLLM, llama), оптимизация GPU-памяти, continuous batching. - Агенты: опыт проектирования агентных систем, работа с LangChain, LlamaIndex, LangGraph - Real-time системы: Kafka, RabbitMQ, streaming-инференс, Faust. ## **Мы предлагаем:** - Полностью \"белая\" зарплата, годовая премия; - График работы 5/2; - Возможен удаленный формат работы; - Подключение к ДМС после успешного прохождения испытательного срока; ## Бонусы: - Корпоративные скидки на страховые продукты (автострахование, ВЗР и т.д.); - Корпоративные скидки на фитнес, магазины-партнёры, книги и др.; - Электронная библиотека с более чем 3000 книг на самые актуальные темы; - Специальные мероприятия для сотрудников и их детей, подарки на Новый год.