Специалист по инфраструктуре машинного обучения (MLOps-инженер)

Проектирование, внедрение и поддержка сквозных ML-пайплайнов: от подготовки данных до развертывания и мониторинга моделей в production-среде SOC. Автоматизация полного жизненного цикла ML-моделей: версионирование данных (LakeFS), трекинг экспериментов (MLflow), упаковка и развертывание (Docker/K8s). Развитие и поддержка инфраструктуры на базе Docker и Kubernetes (K8s) для R D и production-окружений. Организация рабочего пространства и MLOps-поддержка дата-сайентистов лаборатории для ускорения циклов исследования и разработки. Внедрение практик мониторинга производительности моделей, дрейфа данных и инфраструктурных метрик (Prometheus, Grafana). Обеспечение безопасности MLOps-процессов (MLSecOps): управление секретами (Vault), сканирование образов (Harbor), контроль зависимостей.

Требования

Высшее техническое образование по специализации информационной безопасности. Опыт работы в роли MLOps-инженера от 3 лет. Уверенный опыт работы с Docker и Kubernetes (K8s) в production-среде. Практический опыт построения ML-пайплайнов с использованием Airflow и MLflow. Понимание принципов CI/CD и опыт их применения для ML-систем. Опыт работы с объектными хранилищами (S3-совместимыми, например, MinIO). Владение SQL на уровне, достаточном для работы с аналитическими БД (ClickHouse). Знакомство с основными библиотеками ML (Scikit-learn, PyTorch/TensorFlow) на уровне, достаточном для упаковки и развертывания моделей, разработанных дата-сайентистами. Технический английский язык.

Высшее образование — специалитет, магистратура; Опыт: 3 лет