MLOps инженер в СберМаркетинг Москва

Проектировать архитектуру AI-платформы: определять целевую схему для обучения (кластеры GPU, распределенное обучение) и инференса (масштабируемые API), выбирать технологический стек (PyTorch, TensorFlow, Kubeflow, MLflow)

Осуществлять проектирование архитектуры агентов и RAG-пайплайнов

Выстраивать MLOps-инфраструктуру: строить CI/CD пайплайны для моделей (автотесты данных, версионирование через DVC/MLflow, деплой через ArgoCD), настраивать A/B-тестирование на реальном трафике и автоматическое переобучение при дрейфе качества

Оптимизировать инфраструктуру DevOps для ИИ: управлять Kubernetes-кластерами с автоскейлингом GPU-нод (HPA/VPA), оптимизировать использование видеокарт (квантование, управление KV Cache), автоматизировать развертывание инфраструктуры как код (Terraform)

Развивать инженерную культуру: создавать стандарты разработки (best practices) по тестированию, деплою и безопасности (HashiCorp Vault)

Интегрировать решения в экосистему компании: консультировать продуктовых разработчиков по подключению к ML-сервисам (retry-политики, circuit breakers) и работать с Data Engineers над качеством данных для обучения совместно с CDO

Опыт архитектора AI/ML-систем

Экспертный уровень в Kubernetes: развертывание, управление, troubleshooting GPU-нагрузок

Программирование на Python и знание ML-фреймворков (PyTorch, TensorFlow, CANN, Onnx)

Знание методов оптимизации моделей: квантование, дистилляция, ONNX, TensorRT

Опыт с мониторингом и observability: Prometheus, Grafana, OpenTelemetry, Jagger, ELK/Loki

Владение стеком LLM: LangChain/LlamaIndex, векторные БД (Qdrant, FAISS, Pinecone), мультимодальные СУБД (ArcadeDB, OrientDB, ArangoDB)

Глубокое знание MLOps: построение end-to-end ML-пайплайнов, CI/CD для моделей