70
MLOps Engineer-Создавать AI-агенты и платформы для них. -Строить MLOps-инфраструктуру.
Зарплата не указана
Вакансии
Загружаем вакансии…
Загружаем вакансии…
-Создавать AI-агенты и платформы для них. -Строить MLOps-инфраструктуру.
Зарплата не указана
• Разрабатывать AI-агентов на Python. • Интегрировать модели и внешние API.
до 260 000 ₽
Задачи: — Разработка и развитие сервисов промышленного инференса ML-моделей и LLM — Построение централизованного слоя доступа к моделям и AI-сервисам — Разработка платформенных компонентов для деплоя, версионирования и мониторинга моделей
Зарплата не указана
Настройте подбор один раз, и подходящие вакансии будут сами приходить в Telegram.
Задачи: — проектировать и строить распределённую вычислительную платформу на ~1000 машин; — развивать инфраструктуру на Kubernetes / Nomad для запуска и управления ML workload'ами; — работать с GPU-кластерами и вычислительными ресурсами разных типов — GPU, CPU, MPS; — развивать распределённые вычисления на Ray и инфраструктуру для distributed training; — автоматизировать размещение и запуск задач, управление ресурсами и их загрузкой; — заниматься масштабированием, производительностью, отказоустойчивостью, CI/CD и мониторингом; — тесно работать с ML-командой над инфраструктурой для обучения и запуска нейросетей. Требования: — 3–5+ лет опыта в DevOps / MLOps / Platform Engineering; — уверенный Kubernetes и/или Nomad; — опыт работы с большими production-кластерами и распределёнными системами; — практический опыт с GPU-инфраструктурой; — понимание обучения нейросетей и distributed training; — опыт с Docker / Docker Registry, CI/CD, Linux, мониторингом; — опыт проектирования и создания инфраструктуры с нуля; — будет большим плюсом опыт с HPC, суперкомпьютерами, GPU-фермами, Ray и крупными вычислительными кластерами. Условия: — full-time
5 000 – 10 000 $
Задачи: — Проектирование, развёртывание и развитие инфраструктуры платформы искусственного интеллекта (on-prem и облако): Kubernetes-кластеры, GPU-ноды, storage, сети, безопасность. — Построение и поддержка CI/CD/CT-пайплайнов для ML-моделей и сервисов: от артефакта DS до продакшн-инференса с откатами и канареечными релизами. — Интеграция и эксплуатация LLM/ML-сервисов для внутренних команд и рыночных внедрений: упаковка моделей в сервисы, конфигурация autoscaling, SLA, observability. — Настройка мониторинга и алертинга по инфраструктуре и моделям (метрики ресурсов, latency, ошибки, дрейф данных), реагирование на инциденты, участие в post-mortem. — Автоматизация ML-пайплайнов: подготовка данных, обучение, переобучение, регистрация моделей, управление версиями и окружениями. — Поддержка внедрений у клиентов: тиражирование платформенных компонентов, адаптация инфраструктуры под контур заказчика, участие в performance-оптимизации и cost-cutting (GPU/CPU). Требования: — Высшее образование. — Опыт работы: 5+ лет. — Глубокое понимание жизненного цикла ML-модели: от экспериментов до продакшн-инференса и мониторинга. — Уверенный Linux, сетевые основы, безопасность, работа с контейнерами и оркестраторами. — Опыт построения CI/CD-пайплайнов для сервисов и ML-артефактов (Docker images, модели, данные). — Опыт с LLM/GenAI-платформами: vLLM, TGI, Hugging Face, Triton/ONNX Runtime, оптимизация инференса. — Опыт построения feature store, model registry, ML pipelines (Kubeflow, MLflow, Airflow, Argo Workflows). — Работа в гибридной инфраструктуре: on-prem кластеры + публичные облака (T1 Cloud, VK Cloud, Yandex Cloud и др.). — Понимание cost-optimization: FinOps для GPU/CPU, автобалансировка нагрузок. — Языки: Python (утилиты, обвязка) / Bash. — Контейнеризация и оркестрация: Docker, Docker Compose, Kubernetes (Helm, Operators), желательно Kubeflow. — CI/CD: GitLab CI / GitHub Actions / Jenkins / Argo CD. — Инфраструктура: Terraform / Ansible, конфигурация Linux-серверов, Nginx, cert-manager. — Data/ML-инфраструктура: Apache Kafka, Airflow/Argo Workflows, S3-совместимые хранилища, MLflow/Weights&Biases. — Мониторинг и логи: Prometheus, Grafana, Loki/ELK, Sentry, alertmanager. Профессиональные навыки: — Проектирование и развёртывание инфраструктуры платформы ИИ (кластер Kubernetes, storage, сети, security) под LLM/ML-нагрузки. — Построение воспроизводимых ML-пайплайнов: обучение, валидация, packaging модели, деплой в batch и real-time режимах. — Настройка мониторинга моделей: метрики качества, дрейф данных, latency/throughput, автоматический rollback и retraining-триггеры. — Совместная работа с DS/разработчиками и внедренцами: перевод экспериментальных ноутбуков в надёжные сервисы для внутренних и внешних клиентов. Специализированные программы: — GitLab / GitHub, Jira / Confluence/Сфера — Kubernetes ecosystem: kubectl, Helm, K9s, Lens. — ML-инструменты: MLflow / Weights & Biases, Kubeflow Pipelines / Airflow, model registry. — Мониторинг: Prometheus, Grafana, Loki/ELK, Alertmanager, Sentry.
Мы ищем опытного DevOps-инженера с фокусом на MLOps и BlockchainOps для работы в продуктовой компании ITM. Роль подразумевает полную занятость на удаленке и требует глубокого понимания AI и блокчейн-инфраструктур. Требования: — 1+ год опыта с AI-инфраструктурой (биометрия / Computer Vision) — 1+ год опыта с Blockchain инфраструктурой — 1+ год работы с Bare metal K8s — 1+ год работы с Nvidia GPU (Cuda, TensorRT) — 6+ лет общий опыт работы в роли DevOps Engineer — Гражданство РФ (проживать можно в любой стране +-UTC+3) Условия: — Fully remote work format — Only fulltime — Оформление по ТК РФ — 100% оплата больничного — Оплачиваемый отпуск 28 календарных дней
300 000 – 400 000 ₽
Задачи: — DevOps-инженер с опытом в Blockchain и AI-инфраструктуре (биометрия / Computer Vision). Требования: — 1+ год опыта с AI-инфраструктурой (биометрия / Computer Vision). — 1+ год опыта с Blockchain инфраструктурой. — 1+ год работы с Bare metal Kubernetes. — 1+ год работы с Nvidia GPU (Cuda, TensorRT). — 6+ лет общий опыт работы в роли DevOps Engineer. — Гражданство РФ (проживать можно в любой стране в зоне UTC+3). — Только fulltime, без совмещения, аутсорсинг и аутстаффинг не рассматриваются. — Не подходит опыт технических менеджеров (Team Lead, CTO и т.п.). — Не подходит опыт фриланса. Условия: — Полностью удалённый формат работы. — Только полная занятость. — Оформление по ТК РФ. — 100% оплата больничного. — Оплачиваемый отпуск 28 календарных дней. — Компания аккредитована в «Минцифре». — Работа в продуктовой компании.
300 000 – 400 000 ₽
Задачи: — Отвечать за всю AI-часть продукта: архитектура AI-системы от выбора LLM-моделей до построения RAG-pipeline и интеграции компьютерного зрения, принимать все ключевые технические решения — Обеспечивать качество рекомендаций, повышая конверсию на каждой итерации — Проводить быстрые итерации с выкатыванием изменений каждую неделю, сбором метрик, анализом и улучшением — Проводить эксперименты: A/B тесты промптов, гибридный поиск (текст + визуал + отзывы), мультимодальные модели, быстро проверять гипотезы на реальных пользователях — Масштабировать систему с 2000 туров на Мальдивы до 50,000+ туров по трём направлениям с тысячами запросов в день — Строить продукт с нуля, быстро экспериментировать и влиять на архитектуру Требования: — Опыт с продакшен LLM-приложениями, построение RAG-систем или чат-ботов на основе GPT/Claude — Экспертный уровень промпт-инжиниринга: правильная структура промптов, few-shot examples, chain-of-thought — Опыт работы с эмбеддингами и векторным поиском, понимание similarity search, hybrid search, reranking — Python на уровне продакшена: чистый, быстрый, поддерживаемый код Будет плюсом: — Опыт с компьютерным зрением и мультимодальными моделями (CLIP, GPT-4o, Claude 4.5 Sonnet) — Опыт с high-load системами и оптимизацией latency — Понимание рекомендательных систем — Понимание MLOps: мониторинг моделей, версионирование, A/B тестирование — Опыт построения recommendation систем и MCP для LLM систем — Личный опыт использования LLM для автоматизации задач Софт-скиллы: — Продуктовое мышление: AI как инструмент решения бизнес-задач — Умение работать с метриками: конверсия, время сессии, escalation rate — Быстрота принятия решений: выкатывать несовершенное решение и тестировать — Умение объяснять сложное простым языком для команды и бизнеса Условия: — Официальное оформление по ТК РФ — График 5/2, офис, сокращённый рабочий день по пятницам до 15:30 — Корпоративные программы обучения и развития — Медицинское обслуживание: ДМС и собственная медсанчасть — Специальные предложения от компаний-партнеров (рестораны, магазины, отдых, мероприятия) — Организация отдыха сотрудников и их детей, оплата детского сада — Аккредитованная IT компания — Офис на станции м. Курская — Корпоративные условия на приобретение туров — Дополнительный оплачиваемый отпуск 3 дня, оплата больничного — ДМС для членов семьи по корпоративным условиям — Корпоративные условия на изучение английского и занятия спортом
от 400 000 ₽
💎 Создание и развитие собственных базовых языковых моделей Авито: проверка гипотез в области претрейна, continual pre-training, post-training, RL и синтетических данных, масштабирование обучения и оптимизация инференса (квантование, speculative decoding), построение процедур оценки качества моделей, написание продакшен-кода на Python и PyTorch.
Зарплата не указана
Оптимизация и автоматизация инфраструктуры для вывода алгоритмов и немодельных сервисов; Конфигурировать и разворачивать инфраструктурные компоненты;
Зарплата не указана
Развивать и сопровождать инфраструктуру AI-платформы. Разворачивать и поддерживать сервисы в Kubernetes.
Зарплата не указана
разработка, тестирование и внедрение ИИ-агентов (в том числе LLM-as-a-Judge) и классических ML-моделей для оценки качества, детекции аномалий, прогнозирования деградации и автоматической локализации причин сбоев. исследование и внедрение новых подходов в области настройки LLM, LLM-as-a-Judge и RAG, чтобы сделать мониторинг точнее, стабильнее и понятнее.
Зарплата не указана
Разработка детальных планов реализации проектов: декомпозиция задач, распределение ресурсов, определение критического пути; Контроль соблюдения сроков, бюджета и качества результатов по всем активным проектам;
Зарплата не указана
Partner with Account Executives to align technical solutions with customer goals, support presales engagements, and drive revenue through strategic value selling. Understand and navigate public sector requirements, including procurement processes, NIST guidelines, DoD frameworks (e.g., PlatformOne, IronBank), and federal compliance mandates (e.g., CMMC).
160 000 – 172 500 $
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.
248 000 – 341 000 $
— Разрабатывать Python / SQL-пайплайны загрузки и обработки данных из файлов, API и информационных систем. — Проектировать таблицы хранилища: сущности, связи, правила преобразования.
280 000 – 400 000 ₽
Задачи: - Разрабатывать, обучать и оптимизировать ML/AI-модели на PyTorch или TensorFlow - Проектировать end-to-end пайплайны обработки и подготовки данных - Работать с синтетическими данными и автоматизацией разметки - Интегрировать AI/ML-модели с backend и другими компонентами продукта - Подготавливать модели к production-деплою и масштабированию - Настраивать процессы мониторинга, версионирования и экспериментов с использованием MLOps-инструментов - Контейнеризировать ML-процессы с помощью Docker - Работать с облачной инфраструктурой AWS или аналогами - Участвовать в оптимизации inference и производительности моделей - Взаимодействовать с инженерами и другими участниками AI-команды на всех этапах разработки - Определять техническое направление AI-проектов, принимать ключевые архитектурные решения и обеспечивать техническое руководство командой на всех этапах разработки. Требования: - Опыт 4+ года коммерческого опыта в Machine Learning / AI Engineering - Практический опыт разработки и внедрения ML-моделей в production - Английский (свободный) - Уверенное понимание основ Machine Learning и Deep Learning - Знание методов оптимизации моделей и ключевых ML-метрик - Практический опыт с MLOps (MLflow/Kubeflow/AWS SageMaker или аналогичные) Условия: - Формат: Full-time - Локация: Ташкент (Офис) - Официальное трудоустройство по ТК УЗ - Занятость: полный рабочий день
Зарплата не указана
Создавать и развивать AI-ассистентов для разработки и аналитики: кодовые AI ассистенты для автоматизации разработки, помощник аналитика для ускорения экспериментов с использованием LLM. Проектировать архитектуру агентских решений и их интеграцию с платформой: определять, что остаётся доменной логикой, а что становится переиспользуемым компонентом платформы.
Зарплата не указана
Зарплата не указана