Используем cookie для работы сайта и статистики. «Хорошо» разрешит ещё и запись сессий.
4 месяца назад
Грейд
Senior
Формат работы
Удалённо
Тип занятости
Полная занятость
Уровень английского
B2, выше среднего
Письмо на почту или сообщение рекрутеру в Telegram
Ищем Senior ML/MLOps Engineer 🚀
i️ О компании и проекте: Мировой лидер в области генерации видео с помощью ИИ, которому доверяют более 90% компаний из списка Fortune 100 для трансформации способов общения и создания контента. Являясь быстрорастущим единорогом серии E (оценка более $4 млрд, привлечено более $500 млн от ведущих инвесторов, включая Accel, Kleiner Perkins и венчурное подразделение Nvidia), мы расширяем границы генеративного ИИ.
— Проектирование и улучшение систем платформы для обучения моделей, их оценки и продакшн-сервиса — Создание надежной инфраструктуры и инструментов для обеспечения масштабируемости, надежности и экономической эффективности ML-нагрузок — Архитектура развертывания и обслуживания ML-моделей в исследовательских и продакшн-средах — Улучшение планирования, мониторинга и отладки для GPU и облачных нагрузок — Разработка внутренних абстракций, инструментов для разработчиков и агентных систем для снижения операционных расходов — Внедрение непрерывных улучшений в области наблюдаемости, автоматизации, надежности и опыта разработчиков (DX) — Тесное сотрудничество с ML-исследователями и продуктовыми инженерами для преобразования болевых точек в надежные возможности платформы — Внесение вклада в техническое направление и принятие прагматичных архитектурных компромиссов
— Значительный опыт создания и эксплуатации сложных продакшн-систем с высокой нагрузкой — Глубокое понимание систем: способность анализировать узкие места, режимы сбоев и использование ресурсов — Уверенный практический опыт работы с Linux, облачной инфраструктурой и автоматизацией инфраструктуры — Обширный опыт работы с Kubernetes (K8s) и эксплуатации распределенных нагрузок в продакшне — Сильные навыки программирования на Python (или аналогичном языке) для бэкенд-систем и инструментов — Подтвержденный опыт создания внутренних платформ, инфраструктурных абстракций или инструментов для разработчиков — Прагматичный подход к решению проблем с акцентом на надежность без излишнего усложнения — Сильное чувство ответственности и комфорт при работе в неопределенных условиях — Английский язык — B2+
— Прямой опыт эксплуатации ML-инфраструктуры, GPU-кластеров или систем обслуживания моделей в продакшне — Знакомство с системами оркестрации рабочих процессов (например, Temporal) — Опыт создания внутренних инструментов на базе LLM или агентных систем — Сильный опыт в области наблюдаемости и отладки распределенных систем (Datadog, Prometheus и т.д.) — Практический опыт работы с Terraform, GitHub Actions и CI/CD пайплайнами — Опыт преодоления разрыва между исследованиями и продакшн-инжинирингом
We are looking for a Senior ML/MLOps Engineer 🚀
i️ About the Company & Project: A global leader in AI video generation, trusted by over 90% of Fortune 100 companies to transform how teams communicate and create content. As a high-growth Series E unicorn (valued at $4B+ with over $500M raised from premier investors including Accel, Kleiner Perkins, and Nvidia's VC arm), are pushing the boundaries of generative AI.
💼 Responsibilities: — Design and improve platform systems for model training, evaluation, and production serving — Build robust infrastructure and tooling to make ML workloads scalable, reliable, and cost-efficient — Architect the deployment and serving of ML models across research and production environments — Improve scheduling, monitoring, and debugging for GPU and cloud-based workloads — Develop internal abstractions, developer tools, and agentic systems to reduce operational overhead — Drive continuous improvements across observability, automation, reliability, and developer experience (DX) — Collaborate closely with ML researchers and product engineers to turn pain points into robust platform capabilities — Contribute to technical direction and make pragmatic architectural trade-offs
🧠 Requirements: — Strong experience building and operating complex, high-load production systems — Deep systems mindset: ability to analyze bottlenecks, failure modes, and resource usage — Solid hands-on experience with Linux, cloud infrastructure, and infrastructure automation — Extensive experience with Kubernetes (K8s) and operating distributed workloads in production — Strong coding skills in Python (or similar) for backend systems and tooling — Proven experience building internal platforms, infrastructure abstractions, or developer tools — Pragmatic approach to problem-solving with a focus on reliability without over-engineering — Strong ownership and comfort working in ambiguous environments — English — B2+
💫 Nice to have: — Direct experience operating ML infrastructure, GPU clusters, or model serving systems in production — Familiarity with workflow orchestration systems (e.g., Temporal) — Experience building LLM-powered or agentic internal tools — Strong background in observability and debugging distributed systems (Datadog, Prometheus, etc.) — Hands-on experience with Terraform, GitHub Actions, and CI/CD pipelines — Experience bridging the gap between research and production engineering
Сравним навыки, грейд, формат работы и зарплату
Чаще всего от 83 800 до 176 000
