Senior MLOps Engineer (Kubernetes / MLflow / KServe / Python / Банковский сектор) 🚀🤖

#vacancy #MLOps #Kubernetes #Python #MLflow #KServe #FeatureStore #Banking #Senior

Senior MLOps Engineer (Kubernetes / MLflow / KServe / Python / Банковский сектор) 🚀🤖

ID вакансии: MLo_MF

Ставка: обсуждается.

Грейд: Senior.

Загрузка: Full-time (полная занятость).

Продолжительность: от 6 месяцев с возможностью продления.

Формат: Удалённо.

Локация/Гражданство: РФ, РБ.

⏳ Срок актуальности вакансии: до 11.11.2026.

📌 Важно: рассматриваются кандидаты с релевантностью опыта от 85% (аутстаффинговая позиция).

🏢 О проекте: крупный банк. Построение, развитие и поддержка надежного, масштабируемого MLOps-контура для вывода ML-моделей в продакшн, их обслуживания и мониторинга в высоконагруженной среде.

🧩 О роли: ищем зрелого MLOps-инженера, который возьмет на себя полный цикл сопровождения ML-решений: от оркестрации пайплайнов обучения до деплоя моделей в Kubernetes и настройки продвинутого мониторинга их качества и дрейфа данных.

🚀 Ключевые задачи:

— Проектирование, развертывание и поддержка MLOps-пайплайнов (от обучения до продакшена).

— Деплой и обслуживание ML-моделей в Kubernetes с использованием специализированных инструментов (KServe, Seldon, BentoML или Triton).

— Настройка и поддержка Feature Store (Feast) и высокопроизводительного кэширования (Redis).

— Оркестрация процессов обработки данных и обучения (Airflow / Kubeflow) и интеграция с потоковой обработкой (Kafka).

— Внедрение и поддержка практик CI/CD для ML-проектов (GitLab CI, ArgoCD).

— Разработка и поддержка API-сервисов для инференса (FastAPI).

— Настройка комплексного мониторинга: как инфраструктуры (Prometheus, Grafana), так и качества ML-моделей.

🎯 Обязательные требования (Hard Skills):

MLOps и Инфраструктура (КРИТИЧНО!):

— Уверенное владение Python и коммерческий опыт работы в роли MLOps-инженера.

— Глубокие знания контейнеризации и оркестрации: Docker, Kubernetes (k8s), Helm.

— Опыт работы с инструментами управления жизненным циклом ML-моделей: MLflow.

Пайплайны и Данные:

— Опыт оркестрации ML/ETL пайплайнов: Airflow или Kubeflow.

— Знание брокеров сообщений (Kafka) и концепций Feature Store (Feast), работа с Redis.

Деплой и Интеграции:

— Практический опыт развертывания моделей: KServe, Seldon, BentoML или Triton Inference Server.

— Навыки создания и поддержки высоконагруженных API-сервисов для инференса (FastAPI).

— Опыт настройки CI/CD процессов (GitLab CI, ArgoCD).

Мониторинг:

— Навыки настройки и поддержки систем мониторинга: Prometheus, Grafana.

💡 Будет весомым плюсом:

— Опыт настройки мониторинга дрейфа данных и концептов (Data/Concept Drift) с помощью Evidently или аналогичных фреймворков.

— Предыдущий опыт работы в банковском секторе или финтехе с высокими требованиями к безопасности и отказоустойчивости.

📲 Контакт для отклика: •••••••• (При отклике, пожалуйста, сразу присылайте актуальное резюме. ⚠️ В сопроводительном сообщении обязательно сделайте акцент на вашем опыте работы с Kubernetes, инструментами деплоя моделей (KServe/Triton и др.) и MLflow. Пишите ID вакансии: MLo_MF)

📢 Источник: ••••••••