We use cookies to run the site and count visits. "Got it" also allows session recording.
4 days ago
Grade
Senior
Work format
Remote
Employment
Full-time
An email or a Telegram message to the recruiter
Some conditions are hidden to comply with employment law
Senior MLOps Engineer (Kubernetes / MLflow / KServe / Python / Banking Sector) 🚀🤖
a large bank. Building, developing, and supporting a reliable, scalable MLOps environment for deploying ML models into production, their maintenance, and monitoring in a high-load environment. 🧩 About the Role: we are looking for a mature MLOps engineer who will take responsibility for the full cycle of ML solution support: from orchestrating training pipelines to deploying models in Kubernetes and setting up advanced monitoring of their quality and data drift.
— Design, deployment, and support of MLOps pipelines (from training to production) — Deployment and maintenance of ML models in Kubernetes using specialized tools (KServe, Seldon, BentoML, or Triton) — Setup and support of Feature Store (Feast) and high-performance caching (Redis) — Orchestration of data processing and training processes (Airflow / Kubeflow) and integration with stream processing (Kafka) — Implementation and support of CI/CD practices for ML projects (GitLab CI, ArgoCD) — Development and support of API services for inference (FastAPI) — Setup of comprehensive monitoring: both infrastructure (Prometheus, Grafana) and ML model quality
Grade: Senior. 📌 Important: candidates with at least 85% relevant experience are considered (outstaffing position). MLOps and Infrastructure (CRITICAL!): — Proficient in Python and commercial experience as an MLOps engineer — Deep knowledge of containerization and orchestration: Docker, Kubernetes (k8s), Helm — Experience with ML model lifecycle management tools: MLflow Pipelines and Data: — Experience in orchestrating ML/ETL pipelines: Airflow or Kubeflow — Knowledge of message brokers (Kafka) and Feature Store concepts (Feast), experience with Redis Deployment and Integrations: — Practical experience in model deployment: KServe, Seldon, BentoML, or Triton Inference Server — Skills in creating and supporting high-load API services for inference (FastAPI) — Experience in setting up CI/CD processes (GitLab CI, ArgoCD) Monitoring: — Skills in setting up and supporting monitoring systems: Prometheus, Grafana 💡 Will be a significant plus: — Experience in setting up data and concept drift monitoring (Data/Concept Drift) using Evidently or similar frameworks — Previous experience in the banking or fintech sector with high security and fault tolerance requirements
Rate: negotiable. Workload: Full-time. Duration: from 6 months with the possibility of extension. Format: Remote. Location: Russian Federation, Republic of Belarus.
Senior MLOps Engineer (Kubernetes / MLflow / KServe / Python / Банковский сектор) 🚀🤖
ID вакансии: MLo_MF Ставка: обсуждается. Грейд: Senior. Загрузка: Full-time (полная занятость). Продолжительность: от 6 месяцев с возможностью продления. Формат: Удалённо. Локация: РФ, РБ. ⏳ Срок актуальности вакансии: до 11.11.2026. 📌 Важно: рассматриваются кандидаты с релевантностью опыта от 85% (аутстаффинговая позиция). 🏢 О проекте: крупный банк. Построение, развитие и поддержка надежного, масштабируемого MLOps-контура для вывода ML-моделей в продакшн, их обслуживания и мониторинга в высоконагруженной среде. 🧩 О роли: ищем зрелого MLOps-инженера, который возьмет на себя полный цикл сопровождения ML-решений: от оркестрации пайплайнов обучения до деплоя моделей в Kubernetes и настройки продвинутого мониторинга их качества и дрейфа данных. 🚀 Ключевые задачи: — Проектирование, развертывание и поддержка MLOps-пайплайнов (от обучения до продакшена). — Деплой и обслуживание ML-моделей в Kubernetes с использованием специализированных инструментов (KServe, Seldon, BentoML или Triton). — Настройка и поддержка Feature Store (Feast) и высокопроизводительного кэширования (Redis). — Оркестрация процессов обработки данных и обучения (Airflow / Kubeflow) и интеграция с потоковой обработкой (Kafka). — Внедрение и поддержка практик CI/CD для ML-проектов (GitLab CI, ArgoCD). — Разработка и поддержка API-сервисов для инференса (FastAPI). — Настройка комплексного мониторинга: как инфраструктуры (Prometheus, Grafana), так и качества ML-моделей. 🎯 Обязательные требования (Hard Skills): MLOps и Инфраструктура (КРИТИЧНО!): — Уверенное владение Python и коммерческий опыт работы в роли MLOps-инженера. — Глубокие знания контейнеризации и оркестрации: Docker, Kubernetes (k8s), Helm. — Опыт работы с инструментами управления жизненным циклом ML-моделей: MLflow. Пайплайны и Данные: — Опыт оркестрации ML/ETL пайплайнов: Airflow или Kubeflow. — Знание брокеров сообщений (Kafka) и концепций Feature Store (Feast), работа с Redis. Деплой и Интеграции: — Практический опыт развертывания моделей: KServe, Seldon, BentoML или Triton Inference Server. — Навыки создания и поддержки высоконагруженных API-сервисов для инференса (FastAPI). — Опыт настройки CI/CD процессов (GitLab CI, ArgoCD). Мониторинг: — Навыки настройки и поддержки систем мониторинга: Prometheus, Grafana. 💡 Будет весомым плюсом: — Опыт настройки мониторинга дрейфа данных и концептов (Data/Concept Drift) с помощью Evidently или аналогичных фреймворков. — Предыдущий опыт работы в банковском секторе или финтехе с высокими требованиями к безопасности и отказоустойчивости.
📲 Контакт для отклика: (При отклике, пожалуйста, сразу присылайте актуальное резюме. ⚠️ В сопроводительном сообщении обязательно сделайте акцент на вашем опыте работы с Kubernetes, инструментами деплоя моделей (KServe/Triton и др.) и MLflow. Пишите ID вакансии: MLo_MF)
We compare skills, grade, work format and salary
Most often 3,840 to 6,270
