MLOps | DataOps

Задачи: — Развивать и поддерживать инфраструктуру DWH — Строить и развивать CI/CD-процессы для data и ML-разработки — Разрабатывать и поддерживать пайплайны обработки данных и оркестрации (Airflow) — Реализовывать end-to-end ML-пайплайны: от сбора данных до деплоя и мониторинга моделей — Проектировать и развивать MLOps-платформу (выбор и интеграция инструментов) — Разворачивать и поддерживать инфраструктуру для ML-задач: (JupyterHub + GPU, Airflow, ClickHouse, PostgreSQL, S3 и др.) — Взаимодействовать с ML- и Data-инженерами для вывода решений в production — Настраивать мониторинг и алёртинг: качество данных, стабильность пайплайнов, ресурсы — Автоматизировать рутину и развивать self-service инструменты для data-команды Требования: — Уверенный опыт с Docker и Kubernetes — Опыт работы с Airflow (или аналогами оркестрации) — Практика построения CI/CD для data/ML пайплайнов — Хорошие знания Python, SQL и Git — Опыт развёртывания ML-инфраструктуры (GPU-кластеры, хранилища, orchestration) — Опыт работы с облачными платформами — Понимание принципов CI/CD и автоматизации деплоя — Опыт работы с API и понимание highload-систем — Опыт работы со стримингом данных (Kafka / аналоги) — Практика настройки мониторинга и логирования — Уверенная работа в Linux — Будет плюсом: Опыт внедрения систем управления экспериментами (MLflow, ClearML)