WMT Group- аккредитованная IT- компания РФ.
Чем придется заниматься:
Развертывание и масштабирование в продакшене:
- Контейнеризация ML-моделей с использованием Docker и развертывание в Kubernetes кластерах
- Настройка и управление оркестрацией ML-пайплайнов через Apache Airflow
- Обеспечение масштабируемости и отказоустойчивости ML-сервисов в on-premise средах
Мониторинг и оптимизация:
– Подключение сервисов к системам мониторинга и журналирования
- Анализ и устранение инцидентов в работе ML-сервисов на третьей линии поддержки
- Оптимизация использования вычислительных ресурсов и автомасштабирование рабочих нагрузок
Интеграция и автоматизация**
- Разработка интеграций между ML-сервисами через REST API и системы обмена сообщениями (Kafka)
- Создание автоматизированных пайплайнов для обработки данных, feature engineering и тестирования моделей
- Внедрение Infrastructure as Code подходов для управления ML-инфраструктурой
Требования и навыки:
Технические компетенции:
- Глубокое владение Python (от 3 лет) с пониманием принципов написания production-ready кода
- Опыт работы с контейнеризацией (Docker) и оркестрацией (Kubernetes) для развертывания ML-моделей
- Уверенное владение Apache Airflow для оркестрации ML-пайплайнов
DevOps и инфраструктурные навыки:
- Понимание построения CI/CD пайплайнов для ML-решений (GitLab CI, GitHub Actions)
- Навыки работы с системами мониторинга (Prometheus, Grafana) и централизованного логирования
Будет преимуществом
ML и данные:
- Понимание жизненного цикла ML-проектов и специфики production ML-решений
- Опыт работы с системами управления версий данных и feature store
- Базовые знания принципов машинного обучения и методов валидации моделей
Расширенные технологические навыки:
- Опыт работы с распределенными вычислениями (Apache Spark, Hadoop)
- Знание специализированных ML-фреймворков (MLflow, ZenML)
- Опыт работы с векторными базами данных и системами поиска для RAG-приложений
Наш Технологический стек
- Оркестрация: Apache Airflow
- Контейнеризация: Docker, Kubernetes
- Мониторинг: Prometheus, Grafana, ELK Stack
БД: Postgres, OpenSearch
Данные: S3/MinIO, HDFS
Языки и фреймворки
- ML библиотеки: CatBoost, scikit-learn, PyTorch, Keras
- REST API разработка (FastAPI)
-Apache Spark
Условия:
- ИТ аккредитованная компания
- удаленный формат работы (только РФ);
- своевременная оплата 2 раза в месяц на банковскую карту;
- возможность посещения специализированных курсов, тренингов, IT-конференций за счёт компании (полностью или частично);
- оформление по ТК РФ/ГПХ/СЗ/ИП (на ваш выбор).
