DevOps-инженер

Вы будете участвовать в обеспечении инфраструктуры для ML‑сервисов и поддержке DevOps‑процессов под руководством старших коллег.​​​​​​​
Вместе с нами тебе предстоит: Участвовать в развёртывании и эксплуатации ML‑сервисов: упаковывать модели и inference‑сервисы в Docker‑контейнеры (по готовым шаблонам); помогать в оркестрации сервисов в Kubernetes (базовые операции); поддерживать готовые решения для запуска LLM‑инференса (vLLM и аналоги). 2. Помогать в проектировании и поддержке CI/CD‑процессов:
автоматизировать сборку и деплой сервисов с использованием GitLab CI или Jenkins (по готовым пайплайнам); участвовать в настройке multi‑stage pipeline’ов (dev → staging → prod) и rollback‑механизмов. 3. Участвовать в настройке систем observability:
помогать во внедрении мониторинга метрик (Prometheus + Grafana); собирать логи и трейсы (OpenTelemetry или аналоги); настраивать базовые алертинги под руководством старших инженеров. 4. Развёртывать и поддерживать API‑сервисы для ML:
разворачивать inference‑эндпоинты на базе FastAPI/Flask (по готовым конфигурациям); обеспечивать базовую отказоустойчивость и масштабируемость. 5. Взаимодействовать с кросс‑функциональными командами:
работать с Data Scientists и ML‑инженерами для внедрения MLOps‑практик; участвовать в обсуждении архитектурных решений. 6. При необходимости помогать в оптимизации инфраструктуры под требования LLM:
выполнять базовые настройки GPU‑ресурсов; мониторить latency и throughput inference‑сервисов. Мы ожидаем:​​​​​​​
Опыт работы в роли DevOps или MLOps‑инженера — от 1,5 лет, включая работу с production‑системами. 2. Уверенное владение Docker:
умение писать простые Dockerfile; понимание концепции слоёв и multi‑stage сборок; работа с образами и репозиториями. 3. Базовые навыки работы с Kubernetes:
создание манифестов для Deployments и Services; настройка ConfigMaps и Secrets; понимание принципов масштабирования и rolling updates. 4. Опыт настройки систем мониторинга:
работа с Prometheus и Grafana (сбор базовых метрик); знакомство с OpenTelemetry или аналогами (сбор логов и трейсов). 5. Понимание принципов CI/CD:
опыт работы с GitLab CI или GitHub Actions (настройка простых пайплайнов); знание концепций multi‑stage деплоя и rollback. 6. Практические навыки работы с Python:
написание скриптов автоматизации; взаимодействие с API; поддержка простых backend‑сервисов (FastAPI/Flask). Будет плюсом:​​​​​​​ Опыт развёртывания LLM‑инференса (работа с vLLM или аналогами). Знакомство с системами аутентификации (OAuth2, JWT). Опыт работы с Ingress‑контроллерами (Nginx, Traefik). Понимание работы с persistent storage (PV/PVC) в Kubernetes. Участие в pet‑проектах или open‑source, связанных с DevOps/MLOps. Знание основ работы с GPU в Kubernetes. Это позиция является планируемой к созданию (перспективной).