Работа в Москве, вакансия - DevOps-инженер (ML/LLM/CV) • Москва - id369

Компания DCS — это команда инженеров, исследователей и разработчиков, создающих решения на основе машинного обучения, генеративных моделей (LLM) и компьютерного зрения (CV). Мы работаем над продуктами в области автоматизации, анализа данных и внедрения ML-сервисов для корпоративных клиентов и хотим усилить команду опытным DevOps-инженером.

Чем предстоит заниматься:

1. Инфраструктура и развёртывание

• Проектировать и настраивать инфраструктуру для ML-сервисов в облаках (AWS / GCP / Azure / Yandex Cloud / VK Cloud и др.).

• Автоматизировать развёртывание вычислительных ресурсов (GPU/CPU-кластеры, контейнеры, serverless-функции) с помощью Terraform / Ansible / Pulumi.

• Настраивать контейнеризацию (Docker) и оркестрацию (Kubernetes, Helm, ArgoCD).

• Создавать CI/CD-пайплайны (GitLab CI/CD, GitHub Actions, Jenkins) для сервисов и моделей.

• Разрабатывать и сопровождать Helm-чарты и конфигурации для автоматического деплоя.

2. MLOps и сопровождение моделей

• Организовывать полный жизненный цикл моделей: обучение → упаковка → деплой → мониторинг → переобучение.

• Настраивать и поддерживать ML-ориентированные хранилища артефактов (DVC, MLflow, W& B).

• Поддерживать пайплайны подготовки данных и обучения моделей (Airflow, Kubeflow, Prefect).

• Контролировать версии данных и моделей, управлять Docker-репозиториями (Harbor, ECR, GCR).

• Настраивать мониторинг качества моделей (drift, latency, ошибки инференса).

3. Сетевое взаимодействие и интеграции

• Настраивать безопасное взаимодействие сервисов (VPN, bastion-хосты, VPC, private endpoints).

• Организовывать API-шлюзы, балансировщики, SSL/TLS, OAuth, SSO.

• Настраивать обмен данными через REST/gRPC/WebSocket и интеграции с Kafka / RabbitMQ.

• Взаимодействовать с инфраструктурой заказчика при деплое сервисов.

4. Надёжность, масштабируемость и безопасность

• Настраивать отказоустойчивые и масштабируемые кластеры для LLM и CV-инференса.

• Внедрять мониторинг, логирование и алертинг (Prometheus, Grafana, ELK, Loki, OpenTelemetry).

• Оптимизировать ресурсы (GPU/CPU/память) и масштабировать системы под нагрузку.

• Реализовывать политики безопасности и секрет-менеджмента (Vault, AWS Secrets Manager, KMS).

• Настраивать резервное копирование и disaster-recovery.

5. Администрирование и эксплуатация

• Администрировать Linux-сервера, сети и хранилища данных.

• Поддерживать dev/stage/prod-окружения.

• Вести документацию по инфраструктуре и процессам деплоя.

• Автоматизировать рутинные задачи (bash/python-скрипты, Terraform modules, Ansible playbooks).

• Оказывать техническую поддержку команде разработки и исследователям ML.

Мы ожидаем, что ты:

• Имеешь опыт работы DevOps/SRE/Infra-инженером от 2 лет.

• Уверенно работаешь с Docker, Kubernetes, Terraform, CI/CD.

• Понимаешь основы MLOps и умеешь сопровождать ML-модели.

• Имеешь опыт работы с облачными провайдерами (AWS, GCP, Yandex Cloud и др.).

• Пишешь скрипты на Bash / Python.

• Понимаешь сетевые протоколы, безопасность и интеграции.

Будет плюсом:

• Опыт с MLflow / DVC / Airflow / Kubeflow.

• Опыт оптимизации GPU-кластеров и работы с LLM-инференсом.

Мы предлагаем:

• Формат: полностью удалённая работа.

• Участие в ML-/LLM-проектах федерального уровня.

• Возможность развиваться в области MLOps и работы с крупными моделями.

• Команду сильных инженеров и исследователей.