#вакансия #MLOps
MLOps Middle+
Ставка: 2000, с НДС
Срок привлечения: до 30.11.2025 (возможна пролонгация при наличии потребности)
Локация: Россия
Гражданство: РФ
Оплата: 35 рабочих дней после подписания акта
Обязательные требования
- Релевантный опыт от 3 лет;
- Уверенное владение языком программирования Python (FastAPI/Flask, asyncio);
- Опыт работы с контейнеризацией и оркестраторами (Docker, Kubernetes);
- Знание принципов построения отказоустойчивых и масштабируемых сервисов;
- Опыт работы с ML-инференсом в продакшне (оптимизация, профилирование, деплой);
- Навыки интеграции с внешними и внутренними API, работы с базами данных (PostgreSQL, Redis);
- Опыт построения CI/CD пайплайнов (GitLab CI, Jenkins, ArgoCD).
Задачи на проекте
- Проектирование и сопровождение продакшн-сервисов для интеграции ML-моделей с системой внутреннего документооборота;
- Настройка, запуск и наблюдение за ML-инференс-сервисами (VLLM, MLServer, Triton);
- Построение и автоматизация CI/CD пайплайнов для ML и backend-компонентов;
- Оптимизация производительности и масштабируемости сервисов;
- Интеграция ML-решений с корпоративной инфраструктурой (API, DWH, внутренние сервисы).
Описание проекта и команды
Проект крупной телекоммуникационной компании
Писать: @ju_vetta
MLOps Middle+
Ставка: 2000, с НДС
Срок привлечения: до 30.11.2025 (возможна пролонгация при наличии потребности)
Локация: Россия
Гражданство: РФ
Оплата: 35 рабочих дней после подписания акта
Обязательные требования
- Релевантный опыт от 3 лет;
- Уверенное владение языком программирования Python (FastAPI/Flask, asyncio);
- Опыт работы с контейнеризацией и оркестраторами (Docker, Kubernetes);
- Знание принципов построения отказоустойчивых и масштабируемых сервисов;
- Опыт работы с ML-инференсом в продакшне (оптимизация, профилирование, деплой);
- Навыки интеграции с внешними и внутренними API, работы с базами данных (PostgreSQL, Redis);
- Опыт построения CI/CD пайплайнов (GitLab CI, Jenkins, ArgoCD).
Задачи на проекте
- Проектирование и сопровождение продакшн-сервисов для интеграции ML-моделей с системой внутреннего документооборота;
- Настройка, запуск и наблюдение за ML-инференс-сервисами (VLLM, MLServer, Triton);
- Построение и автоматизация CI/CD пайплайнов для ML и backend-компонентов;
- Оптимизация производительности и масштабируемости сервисов;
- Интеграция ML-решений с корпоративной инфраструктурой (API, DWH, внутренние сервисы).
Описание проекта и команды
Проект крупной телекоммуникационной компании
Писать: @ju_vetta