LangGraph

#vacancy #MLOps #LLM #LangGraph #Kubernetes #Airflow #RAG #MultiAgent #Middle #Senior MLOps Engineer (LLM / Multi-Agent Systems / Kubernetes / RAG) ⚡️ 🤖 ID вакансии: MLm_DNA Ставка: до 250 000 руб. на руки в месяц. Грейд: Middle+ / Senior. Загрузка: Full-time. Формат: Удалённо. Локация/Гражданство: РФ . ⏳ Срок актуальности вакансии: до 12.10.2026. 📌 Важно: рассматриваются кандидаты с релевантностью опыта от 85% (аутстаффинговая позиция). 🏢 Клиент: МТС. 🧩 О проекте: построение и развитие современных MLOps-платформ для машинного обучения с фокусом на LLM-решения, RAG-пайплайны и мультиагентные системы. Ищем MLOps-инженера, который находится на стыке классического DevOps и передовых AI-технологий. Роль для специалиста, который не только умеет строить надежные CI/CD и оркестрировать пайплайны в Kubernetes, но и глубоко понимает специфику развертывания и обслуживания LLM, LangGraph и Multi-Agent систем. 🚀 Ключевые задачи: — Построение, развитие и поддержка MLOps-платформ для машинного обучения. — Оркестрация ML-пайплайнов и процессов обработки данных (Apache Airflow). — Внедрение и поддержка инструментов трекинга экспериментов, версионирования данных и моделей (MLflow, ClearML, Kubeflow, DVC). — Настройка и поддержка CI/CD процессов специально для ML-моделей и сервисов. — Инфраструктурная поддержка разработки и развертывания Multi-Agent Systems, RAG-пайплайнов и LLM-приложений. — Настройка мониторинга и наблюдаемости (Observability) для ML-сервисов и LLM-инференса. 🎯 Обязательные требования (Hard Skills): MLOps и DevOps (КРИТИЧНО!): — Глубокое понимание и опыт работы с Docker и Kubernetes (K8s) . — Опыт построения CI/CD for ML (специфичные пайплайны для обучения и деплоя моделей). — Владение инструментами MLOps: MLflow, ClearML, Kubeflow, DVC . LLM и Agentic AI (КРИТИЧНО!): — Понимание и опыт работы с фреймворками: LangChain, LangGraph, LlamaIndex . — Опыт поддержки инфраструктуры для Multi-Agent Systems и Autonomous Agents . — Понимание принципов RAG (Retrieval-Augmented Generation), MCP (Model Context Protocol), Prompt Engineering и Tool Use . — Опыт работы с API LLM-провайдеров (OpenAI и аналоги). Оркестрация и наблюдаемость: — Уверенный опыт работы с Apache Airflow . — Опыт настройки мониторинга и наблюдаемости (Observability) для ML-систем (метрики качества моделей, дрейф данных, latency, throughput). 💡 Будет плюсом: — Опыт оптимизации инференса LLM (vLLM, TensorRT-LLM, Ollama). — Знание Python на уровне, достаточном для написания скриптов автоматизации и кастомных операторов Airflow. — Понимание векторных баз данных (Qdrant, Milvus, pgvector) и их эксплуатации. 📲 Контакт для отклика: @hrwomenpro (При отклике, пожалуйста, сразу присылайте актуальное резюме с акцентом на опыт построения MLOps-платформ, работу с Kubernetes и понимание стека LLM/Agentic AI (LangGraph, RAG). Пишите ID вакансии: MLm_DNA )