Senior MLOps Engineer

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: контакт рекрутера (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)