Инженер MLOps (ML Engineer) (в архиве)

14 Ноября

Партнерские Вакансии

Компания "Современные Фонды Недвижимости"

«Современные Фонды Недвижимости» – лидер рынка розничных коллективных инвестиций в коммерческую недвижимость.

Ключевой бизнес - создание и управление закрытыми паевыми инвестиционными фондами (ЗПИФ), инвестирующими в рентную недвижимость: торгово-развлекательные и офисные центры, склады и логистические комплексы.

Мы ищем возможность усилить одну из команд за счет опытного ML Engineer.

Обязанности

• Вывод AI-продуктов в продакшн: Обеспечение перехода от разработки к эксплуатации AI-решений;
• Обеспечение надежности и масштабируемости: Создание инфраструктуры, поддерживающей стабильную работу AI-продуктов при росте нагрузки;
• Минимизация рисков простоев и ошибок: Предупреждение сбоев и устранение проблем, влияющих на качество работы AI-моделей;
• Управление дрейфом и галлюцинациями AI: Регулярная проверка точности и соответствия результатов модели ожидаемым значениям;
• Интеграция процессов CI/CD: Автоматизация сборки, тестирования и развертывания AI-приложений;
• Работа с инфраструктурой: Настройка и поддержка серверов, облачных сервисов и инструментов DevOps/MLOps;
• Специфичные операции для ML: Поддержка жизненного цикла AI-агентов и моделей, включая обучение, тестирование и обслуживание;
• Мониторинг производительности: Контроль ключевых метрик эффективности AI-продуктов и своевременное реагирование на отклонения;
• Соответствие корпоративным стандартам и нормам: Убедитесь, что процессы соответствуют внутренним требованиям и регуляторным нормам отрасли;
• Оптимизация расходов и ресурсов: Постоянный поиск возможностей повышения эффективности и снижения затрат на эксплуатацию AI-инфраструктуры;
• Совместная работа с командами разработчиков: Тесное сотрудничество с различными группами специалистов для достижения общих целей проекта.

Требования

• 5 и более года работы ML инженером с опытом MLOps / DevOps для ML, из них минимум 1,5 года в проектах с развёртыванием genAI (например, выкатка решений на базе LLM в банковских приложениях для скоринга рисков или чатов на базе агентов ИИ);
• Подтверждённый опыт работы с инструментами жизненного цикла ML (MLflow, Kubeflow), включая автоматические пайплайны для дообучения и инференса на GPU;
• Опыт вывода AI агентов, ML моделей в продакшн, обработки;
• Опыт в финансовой/банковской сфере — будет преимуществом (например, внедрение AI/ML решений с аудитом логов для соблюдения ФЗ-152), но не обязателен;

Технические навыки:

· Python (уверенное владение),

· Знание Go / Java (для создания кастомных решений — будет преимуществом), но не обязательно.

· Фреймворки MLOps: MLflow / Kubeflow для отслеживания экспериментов.

· Seldon / KServe для обслуживания моделей.

· Опыт с хранилищами признаков (Feast), версионированием моделей (DVC), интеграцией с пайплайнами данных (Airflow / Spark для ETL-to-inference). Построение масштабируемых пайплайнов: CI/CD для ML (Jenkins / GitHub Actions с этапами, специфичными для ML), автоматические триггеры переобучения.

· Опыт работы с GenAI ops: Развёртывание LLM, оптимизация для задержки (инференса), обработка обслуживания нескольких моделей, AI агентов, RAG систем.

· Опыт мониторинга и управления, например обнаружение галлюцинаций, дрейфа моделей, метрики производительности (Prometheus / Grafana), проверки на предвзятость ИИ в продакшене.

· Опыт интеграции ML в приложения: API-эндпоинты для моделей (FastAPI / Flask), контейнеризация (Docker), оркестрация (Kubernetes / EKS для автоскалирования).

· Знание LangChain, LangGraph, CrewAI, GigaChain будет преимуществом.

· Опыт тестирования, специфичные для ML/LLM решений, сканирование безопасности.

· Опыт оценки ресурсов для MLOps: Оркестрация облака (Cloud.ru или Yandex Cloud / VK Cloud), предоставление GPU (например, NVIDIA A100 или H100 для обучения), прогнозирование затрат на инфраструктуру.

· Знание требований к инфраструктуре: Гибридные облачные конфигурации, интеграция с векторными БД (например ChromaDB / Pinecone / Weaviate) для обслуживания RAG, прогнозирование масштабируемости для пиковых нагрузок (например, периодические всплески в системах).

· Способность обосновывать решения по ops (operations) перед заинтересованными сторонами.

Дополнительно будет преимуществом:

· Опыт настройки процессов ops в небольших командах (3-5 человек), включая документацию и обмен знаниями.

· Умение объяснять метрики ML ops (например, оповещения о дрейфе) разработчикам и бизнесу через дашборды.

· Готовность автоматизировать рутинные задачи ops для ускорения итераций.

• · Умение работать в среде, управляемой CI/CD, с эволюционирующими регуляциями со стороны компании и государства.

Условия

• Гибридный формат работы (современный офис в Москве, м. Киевская);
• Льготные ипотечные условия кредитования;
• Выгодная подписка на продукты и услуги компаний партнеров;
• ДМС с первого дня и льготное страхование для близких;
• Корпоративная пенсионная программа;
• Детский отдых и подарки за счет Компании;
• Обучение за счет Компании: онлайн курсы, неограниченный доступ к библиотеке и обучение на базе Корпоративного университета, тренинги, митапы и возможность получить новую квалификацию.