MLOps-инженер вакансии - гибрид

Ищем DevOps/MLOps инженера в проектную команду для сопровождения и развития платформы машинного обучения и AI-сервисов (LLM, агенты, чат-боты). развёртыванием ML-моделей и AI-сервисов, локальных моделей (LLM, ML-модели) в различных средах;

Задачи: — Руководство проектированием, разработкой и внедрением on-premises MLOps решений для поддержки доставки моделей машинного обучения — Сотрудничество с дата-сайентистами и разработчиками для создания масштабируемых и эффективных конвейеров данных, систем обучения и деплоя моделей — Разработка и поддержка инструментов мониторинга и управления для обеспечения надежности и производительности MLOps инфраструктуры — Взаимодействие с заинтересованными сторонами для понимания их потребностей в машинном обучении и разработки соответствующих решений — Отслеживание новейших трендов и технологий в области MLOps, машинного обучения и искусственного интеллекта, обмен знаниями с командой — Наставничество младших членов команды и помощь в развитии их навыков в MLOps — Поиск и устранение проблем пользователей Требования: — Опыт работы 5+ лет в MLOps, разработке ПО, инженерии данных или смежных областях — Сильные навыки программирования на современных языках (Java, Scala, Python, Kotlin) — Практический опыт работы с Kubernetes: деплой и эксплуатация рабочих нагрузок, отладка сбоев, работа с основными концепциями (Deployments, ConfigMaps/Secrets, Services, resource limits) — Отличные коммуникативные и командные навыки — Ценность простоты и производительности кода Будет плюсом: — Понимание жизненного цикла ML-проектов — Опыт работы с MLOps платформами, такими как Kubeflow или MLFlow — Опыт с ML-фреймворками: scikit-learn, LGBM, Tensorflow, PyTorch — Опыт работы с Big Data инструментами: Spark, S3, Hadoop — Глубокие знания контейнеризации и оркестрации (Docker, Kubernetes) — Опыт DevOps и CI/CD практик — Опыт создания и масштабирования инструментов для обслуживания моделей, включая построение API с жесткими SLA — Страсть к инженерной стороне машинного обучения и масштабированию — Опыт проектирования и построения MLOps инфраструктуры, включая конвейеры данных, системы обучения и деплоя моделей, а также инструменты мониторинга и управления.

Задачи: — Управление и валидация кредитных моделей — Управление рисками моделей Требования: — Опыт работы с нейронными сетями, машинным обучением, XGBoost — Знание принципов управления моделями и оценки рисков — Навыки валидации моделей и документации Условия: — Работа в гибридном формате в офисе в Сан-Франциско — Зарплата от $207,600 до $306,600 в год

-Развивать и поддерживать инфраструктуру DWH. -Строить и развивать CI/CD-процессы для data и ML-разработки.

— Разрабатывать Python / SQL-пайплайны загрузки и обработки данных из файлов, API и информационных систем. — Проектировать таблицы хранилища: сущности, связи, правила преобразования.

As the Senior Staff Machine Learning Platform Engineer, you will own the technical vision and evolution of Faire’s ML platform. You will set standards, influence org-wide architecture, and lead complex, cross-functional initiatives that unlock data science velocity at scale.

Задачи: - Развивать инструменты хостинга ML-моделей: внедрять и развивать inference-движки и сопутствующую инфраструктуру, следить за мировыми трендами, делать R&D мировых решений. - Развивать ML-инфраструктуру: трекер экспериментов Clear ML, внутренние инструменты для разметки данных, векторную БД Milvus, решение для запуска распределенных вычислений, а также те инструменты и сервисы, про которые мы уже думали, но еще не внедрили. - Развивать внутренние сервисы: поддерживать планировщик вычислительных ресурсов для запуска DS-решений, бота для глубокого анализа каналов поддержки Центра ИИ и прикладные решения для управления кластерами и биллингом. Требования: - Опыт работы с Docker и Kubernetes для развертывания ML-моделей. - Опыт работы с Ansible. - Знание и опыт внедрения DevOps-практик: CI/CD, IaC, SRE. - Навыки работы с системами мониторинга Prometheus, Grafana, ELK. - Опыт программирования на Python на уровне понимания экосистемы, базовых библиотек и навыков написания прикладных программ. - Опыт проектирования и внедрения инфраструктурных решений. - Способность и готовность работать в условиях высокой неопределенности. Будут плюсами: - Опыт работы в роли MLOps-инженера или аналогичной должности. - Понимание жизненного цикла ML-решений и специфики их развертывания на production. - Опыт работы с векторными БД. - Знание ML-инструментов и библиотек. - Опыт работы с GPU-серверами и диагностики проблем с GPU. Условия: - Уровень дохода, который зависит от ваших технических знаний и навыков. Регулярно пересматриваем зарплаты с учетом профессионального роста. Финансовые бонусы тоже есть. - Заботу о вашем комфорте. Можете работать удаленно, гибридно или в офисе, в любом случае предоставим технику и все необходимое. Если вам по душе работать из офиса — обеспечим удобным местом, зонами отдыха, кухней с полезными перекусами. - Сильное инженерное комьюнити. Регулярно проводим внутренние технические конференции, обмениваемся опытом между командами. Вы всегда найдете, с кем посоветоваться. - Возможность сменить продукт, команду или предметную область внутри компании. Поддерживаем развитие в любом направлении. - Общение на «ты» и максимум горизонтальных связей в коллективе, чтобы быстрее договариваться и решать рабочие задачи. - Возможность делиться экспертизой. Помогаем выступать на конференциях, участвовать в подкастах или видео, писать статьи. - Поддержку профессионального развития. Организуем внутреннее и внешнее обучение.

Задачи: - Разрабатывать REST API с использованием FastAPI; - Проектировать и реализовать backend-сервисы с нуля; - Проводить интеграции с базами данных и системами обмена данными; - Обеспечивать масштабируемость и отказоустойчивость сервисов; - Писать и поддерживать автоматизированные тесты; - Настраивать и поддерживать CI/CD процессы для непрерывной интеграции; - Участвовать в планировании задач и работе по методологии Scrum; - Тесно взаимодействовать с командой для оперативного решения технических вопросов. Требования: - Сильные инженерные навыки, самостоятельность, понимание полного цикла доставки приложения; - Уверенный опыт настройки и использования CI/CD, работы с Docker и Kubernetes; - Понимание DevOps-культуры, умение написать и поддержать Helm-чарт/Dockerfile, разобраться с деплоем, настроить базовый мониторинг и алертинг; - Глубокие знания Python и опыт работы с FastAPI; - Опыт работы с PostgreSQL, ClickHouse, Kafka, Redis, Spark; - Умение писать чистый, поддерживаемый код с соблюдением best practices и знание архитектурных паттернов; - Опыт работы в высоконагруженных системах и решения реальных задач на production; - Аналитический склад ума, системное мышление и готовность самостоятельно доводить задачи до конца; - Продвинутое знание инструментов мониторинга (Prometheus, Grafana, Opensearch/ELK); - Глубокий опыт в DevOps, опыт работы с Triton Inference Server и другими инструментами деплоя ML-моделей будет плюсом.

Location: San Francisco; New York; Toronto; Montreal Workplace: Hybrid WHO ARE WE? Cohere is the leading security-first enterprise AI company. We build cutting-edge foundation AI models and end-to-end products that are designed to solve real-world business problems. We’re training and deploying frontier models for enterprises who are building AI systems. We believe that our work is instrumental to the widespread adoption of AI and we are looking for folks that want to be part of that. We obsess over what we build. Each one of us is responsible for contributing to increasing the capabilities of our models and the value they drive for our customers. Cohere is a team of researchers, engineers, designers, and more, who are all passionate about their craft. We are a global technology company headquartered in Toronto with key offices in London, New York City, San Francisco, Montreal, Paris, Berlin and Seoul. Join us! WHY THIS ROLE? Are you energized by building high-performance, scalable and reliable machine learning systems? Do you want to help define and build the next generation of AI platforms powering advanced NLP applications? We are looking for Members of Technical Staff to join the Model Serving team at Cohere. The team is responsible for developing, deploying, and operating the AI platform delivering Cohere's large language models through easy to use API endpoints. In this role, you will work closely with many teams to deploy optimized NLP models to production in low latency, high throughput, and high availability environments. You will also get the opportunity to interface with customers and create customized deployments to meet their specific needs. You may be a good fit if you have: - 5+ years of engineering experience running production infrastructure at a large scale - Experience designing large, highly available distributed systems with Kubernetes, and GPU workloads on those clusters - Experience with Kubernetes dev and production coding and support - Experience with GCP, Azure, AWS, OCI, multi-cloud on-prem / hybrid serving - Experience in designing, deploying, supporting, and troubleshooting in complex Linux-based computing environments - Experience in compute/storage/network resource and cost management - Excellent collaboration and troubleshooting skills to build mission-critical systems, and ensure smooth operations and efficient teamwork - The grit and adaptability to solve complex technical challenges that evolve day to day - Familiarity with computational characteristics of accelerators (GPUs, TPUs, and/or custom accelerators), especially how they influence latency and throughput of inference. - Strong understanding or working experience with distributed systems. - Experience in Golang, C++ or other languages designed for high-performance scalable servers). FULL-TIME EMPLOYEES AT COHERE ENJOY THESE PERKS: - A weekly lunch stipend of $75/£75 or equivalent in your local currency for lunch. - Full health and dental benefits, including a separate budget for mental health. - RRSP matching, 401K, Pension Scheme. - 100% Parental Leave top-up for up to 6 months, for either parent. - Annual enrichment benefits: Arts & culture, fitness/wellness, quality time, and a workspace improvement credit. Education & learning stipend for conferences, courses, and coaching. - 6 weeks of paid vacation (30 working days!) - Budget for traveling to other offices if you are remote, plus an annual company offsite. HOW AND WHERE WE WORK: - Cohere is remote-friendly, but we also have offices in Toronto, London, New York City, San Francisco, Montreal, Paris, Berlin and Seoul with more opening soon. - For those in the office: a daily lunch program, plenty of snacks, and regular community and social events. - For those not near an office: a co-working benefit so you can work alongside others in your city. - Everyone receives a $500 home office stipend to set up your workspace properly. If any of the above doesn’t line up exactly with your experience, we still encourage you to apply. We strive to create an inclusive work environment for all; we welcome applicants from all backgrounds and are committed to providing equal opportunities. Should you require any accommodations during the recruitment process, please submit an Accommodations Request Form https://docs.google.com/forms/d/12a6IrLdF3kI2nonKSr4tiFuz18rLQbaeYV-JM9L4o9Q/edit, and we will work together to meet your needs. We may use AI-enabled tools to screen and assess applicants against the criteria for this position. This helps our recruiters identify potentially qualified candidates, but it doesn't limit the applications our recruiters may review or consider. Beware of Scams: Cohere will never ask for payment or third-party services (e.g., CV writing) as part of our hiring process. All legitimate roles are listed on the Cohere careers page and LinkedIn only, with all communications from Cohere employees coming from an @cohere.com or @cw.cohere email alias. If jobs are viewed on other sites then please verify these through our official careers https://cohere.com/careers page.

Location: Athens; Limassol; Thessaloniki; Nicosia; Fully Remote - in other eligible locations Workplace: hybrid The Role: We are looking for a skilled MLOps Engineer to join our team and play a key role in bridging the gap between our Data Science and Infrastructure teams. You will be responsible for supporting the Data Science team in MLOps-related tasks while also helping in DevOps initiatives, including CI/CD pipeline creation, provisioning of cloud resources using tools like Terraform, and Kubernetes orchestration. You will collaborate closely with data scientists and engineers to deploy data pipelines, train machine learning models, and manage their deployment within scalable cloud environments while ensuring high performance, security, and reliability throughout the ML lifecycle. The main responsibilities of the position include: Assist in designing, implementing, and maintaining scalable MLOps pipelines on AWS using services such as SageMaker , EC2 , EKS , S3 , Lambda and other relevant AWS tools Coordinate with our platform team to troubleshoot Kubernetes clusters (EKS) to orchestrate the deployment of machine learning models and other microservices Develop and maintain CI/CD pipelines for model and application deployment, testing, and monitoring Collaborate closely with Data Science, and DevOps team to streamline the model development lifecycle, from experimentation to production deployment Implement security best practices, including network security, data encryption, and role-based access controls within the AWS infrastructure Monitor, troubleshoot, and optimize data and ML pipelines to ensure high availability and performance Set up and manage model monitoring systems for performance drift, ensuring continuous model improvement Main requirements: Bachelor’s degree in Computer Science, Engineering, or related field 2+ years of hands-on experience in MLOps, DevOps, or related fields Knowledge and preferable working experience in AWS services for machine learning, such as SageMaker , EKS , S3 , EC2 , Lambda , and others Exposure to Kubernetes for container orchestration Experience with Docker Exposure to infrastructure-as-code tools such as Terraform or CloudFormation Familiarity with CI/CD tools such as GitLab CI Understanding machine learning model lifecycle Familiarity with monitoring and logging solutions like Prometheus , Grafana , CloudWatch and ELK Stack Understanding of networking concepts and cloud security best practices Proficiency in Python and Bash , and comfortable working in Linux environments Strong problem-solving and communication skills The following will be considered an advantage: Experience working with serverless architectures and event-driven processing on AWS Familiarity with advanced Kubernetes concepts such as Helm Experience with Data Engineering pipelines, ETL processes, or big data platforms Experience with ML frameworks like TensorFlow, PyTorch and Keras Experience with ML platforms like Kubeflow and/or SageMaker Experience with workflow engines like Argo Workflows and/or Airflow Benefit from: Attractive remuneration package plus performance related reward Intellectually stimulating work environment Continuous personal development and international training opportunities The Hiring Experience: What Awaits You Let’s Connect – Intro Chat with Talent Acquisition Deep Dive – First Interview with Your Future Team Final Connection – Final Interview All applications will be treated with strict confidentiality!   By submitting this application, I confirm that I have read and agree to the terms of the Privacy Policy and the Confidentiality Undertaking.