Старший MLOps инженер

Что предстоит делать

<p>Мы ищем Senior MLOps Engineer, который присоединится к Sigma Software и поможет построить production-grade ML-платформу для крупномасштабной AdTech-экосистемы. Вы будете работать над инфраструктурой, обеспечивающей системы предиктивного принятия решений, которые обрабатывают сотни миллионов запросов на аукцион ежедневно.</p><p>В составе выделенной инженерной команды вы внесете вклад в масштабируемую оркестрацию ML, автоматизацию жизненного цикла моделей, observability и workflow оптимизации в реальном времени. Эта роль идеально подходит инженерам с сильным production-опытом, которым нравится решать сложные задачи платформы и операционные вызовы.</p><p>Мы в Sigma Software предлагаем возможность работать над передовыми проектами ML-инфраструктуры, сотрудничать с опытными инженерами и влиять на архитектурные решения в рамках долгосрочного стратегического взаимодействия.</p><p><strong>ЗАКАЗЧИК</strong></p><p>Наш Заказчик — технологическая компания, управляющая supply-side инфраструктурой в экосистеме programmatic-рекламы. Компания управляет высоконагруженной платформой ad exchange, обрабатывающей сотни миллионов запросов на аукцион каждый день, и инвестирует в продвинутые возможности предиктивного принятия решений, чтобы улучшать результаты рекламодателей и процессы оптимизации в реальном времени.</p><p><strong>ПРОЕКТ</strong></p><p>Sigma Software строит платформу предиктивного моделирования и оптимизации, интегрированную с рабочей средой ad exchange. Решение обеспечивает скоринг и фильтрацию supply в реальном времени, генерацию look-alike аудиторий, оценку контекстной эффективности и многоцелевую оптимизацию в условиях операционных ограничений.</p><p>Проект объединяет крупномасштабную ML-инфраструктуру, автоматизированное управление жизненным циклом моделей, мультитенантную архитектуру и продвинутые практики observability. Команда сосредоточена на создании надежных, воспроизводимых и масштабируемых ML-систем, готовых к долгосрочному владению со стороны Заказчика.</p><p>Ключевые технологии: Python, Kubernetes, Docker, GCP, Vertex AI, MLflow, Airflow, Kubeflow, Argo Workflows, Terraform</p><p><strong>Описание должности</strong></p><ul><li>Создавать и поддерживать пайплайны оркестрации ML-обучения с часовыми, ежедневными и еженедельными расписаниями</li><li>Реализовывать повторные попытки, backfills и механизмы идемпотентного выполнения</li><li>Проектировать и поддерживать workflow model registry, включая версионирование, lineage, evaluation gates и процессы продвижения</li><li>Разрабатывать изолированные окружения моделей для каждого рекламодателя с разделением namespace и конфигураций</li><li>Создавать масштабируемые пайплайны обновления и workflow публикации для serving-инфраструктуры</li><li>Внедрять стратегии деплоя shadow mode и champion/challenger</li><li>Разрабатывать мониторинг и алертинг для <nobr>ML-специфичных</nobr> метрик, включая feature drift, prediction drift, train/serve skew и calibration decay</li><li>Обеспечивать воспроизводимость ML workflow с использованием контейнеризированных окружений, зафиксированных зависимостей и снапшотов данных</li><li>Отслеживать затраты на обучение и скоринг по тенантам</li><li>Сотрудничать с DevOps и SRE инженерами по CI/CD и автоматизации инфраструктуры</li><li>Готовить операционную документацию и материалы для передачи платформы</li></ul><p><strong>Квалификация</strong></p><ul><li>5+ лет опыта в MLOps, ML platform engineering или инфраструктурной инженерии с поддержкой production ML-систем</li><li>Сильные навыки Python и опыт создания инструментов и автоматизации на уровне платформы</li><li>Практический опыт работы с Kubernetes и Docker</li><li>Опыт создания CI/CD пайплайнов для ML-нагрузок</li><li>Практический production-опыт с MLflow, Kubeflow, Airflow, Argo Workflows, Vertex Pipelines или аналогичными платформами оркестрации и жизненного цикла ML</li><li>Опыт работы с ML-платформами и инструментами жизненного цикла моделей, такими как Vertex AI, MLflow или Kubeflow</li><li>Глубокое понимание ML observability, включая обнаружение дрейфа, мониторинг train/serve skew и реагирование на инциденты</li><li>Опыт проектирования или поддержки мультитенантных ML-систем и изолированных окружений моделей</li><li>Опыт работы с облачными платформами, предпочтительно GCP</li><li>Опыт работы с инструментами infrastructure-as-code, такими как Terraform</li><li>Опыт работы с Linux-окружениями</li><li>Понимание жизненного цикла ML и процессов productionization</li><li>Уровень английского Upper-Intermediate или выше</li></ul><p><strong>БУДЕТ ПЛЮСОМ</strong></p><ul><li>Опыт работы с feature stores и управлением консистентностью признаков</li><li>Опыт работы с крупномасштабными системами batch-скоринга, работающими в рамках freshness SLA</li><li>Знакомство с платформами трекинга экспериментов и evaluation gates</li><li>Опыт работы с on-premises Kubernetes или bare-metal Linux инфраструктурой</li><li>Знание DVC, lakeFS или других инструментов версионирования данных</li><li>Опыт работы с Bigtable, Redis, Aerospike или аналогичными low-latency serving базами данных</li><li>Опыт планирования GPU и оптимизации затрат на обучение</li><li>Знакомство с требованиями соответствия SOC 2, ISO 27001 или GDPR</li></ul><p><strong>ЛИЧНЫЕ КАЧЕСТВА</strong></p><ul><li>Сильное чувство ответственности и фокус на операционной надежности</li><li>Способность работать самостоятельно в сложных средах распределенных систем</li><li>Сильные навыки сотрудничества и коммуникации</li><li>Аналитическое мышление с вниманием к масштабируемости и поддерживаемости</li><li>Комфортная работа в динамичных продуктово-ориентированных средах</li></ul> <div> <a href="https://jobs.dou.ua/companies/sigma-software/vacancies/373043/#reply-btn-id">Откликнуться на вакансию</a> </div>