Разрабатывать и поддерживать инфраструктуру для экспериментов, обучения и деплоя ML-моделей в batch и online режимах на CPU/GPU
Автоматизировать жизненный цикл модели от регистрации до промышленного сервинга: сборка образов, проверки, публикация артефактов, деплой, канареечные релизы, A/B-тесты и откаты
Проектировать и развивать платформу инференса для batch- и online-сценариев на CPU/GPU
Развивать ML-инфраструктуру на базе Kubernetes: кластеры, GPU-ресурсы, операторы, изоляция окружений, автоскейлинг, маршрутизация трафика и управление ресурсами
Развивать и поддерживать платформенные компоненты для работы с признаками, моделями и ML-артефактами
Развивать мониторинг ML-систем: инфраструктурные метрики, метрики сервинга, качество моделей, распределения входных данных, дрейф данных и деградация поведения моделей
Обеспечивать воспроизводимость и управляемость ML-процессов: версионирование кода, данных и моделей, история экспериментов, изоляция сред обучения и инференса, аудит изменений
Оптимизировать использование вычислительных ресурсов, включая GPU, с учетом надежности, производительности и стоимости
Исследовать новые инструменты и подходы в MLOps, оценивать их применимость и внедрять там, где это повышает надежность, скорость разработки или эффективность платформы
Опыт внедрения и сопровождения Kubernetes-кластеров для сервинга ML-моделей на GPU и CPU
Практический опыт эксплуатации инструментов для деплоя и обслуживания моделей: Triton Inference Server, BentoML или аналогичных решений
Опыт запуска и поддержки инференс-движков в Kubernetes
Понимание подходов к автоскейлингу, балансировке нагрузки и маршрутизации запросов для ML-сервисов
Понимание принципов мониторинга качества, поведения и эксплуатационных параметров ML-моделей
Опыт настройки GPU-инфраструктуры: драйверы, CUDA Toolkit, MIG, GPU-enabled Docker, nvidia-container-toolkit
Понимание жизненного цикла ML-экспериментов и инструментов их трекинга: MLflow, ClearML или аналогов
Уверенное владение Python для автоматизации, разработки внутренних инструментов и интеграций
Уверенный опыт работы с Kubernetes в production: workloads, операторы, Helm, HPA, ingress, storage, observability, диагностика и устранение проблем
Опыт описания и автоматизации инфраструктуры на базе IaC: Terraform, Ansible, GitOps-подходы
Опыт работы с системами контроля версий и организации CI/CD (GitLab, Bitbucket, Bamboo)
Опыт работы с Docker и OCI-образами: сборка, оптимизация, публикация и эксплуатация
Уверенное владение Linux: настройка, мониторинг, диагностика сетевых, файловых, ресурсных и производительных проблем
Опыт настройки мониторинга и алертинга: Prometheus Stack
Опыт безопасной работы с секретами, токенами, сертификатами и чувствительными данными