Kubernetes

#vacancy #MLOps #GPU #Kubernetes #Triton #MLflow #Docker #Helm #Telecom MLOps-инженер (GPU / Triton / Kubernetes / Телеком) 🤖 🎮 ID вакансии: DK-2_Gul Ставка: обсуждается. Грейд: Middle+ / Senior. Загрузка: Full-time (полная занятость). Старт: с середины сентября 2026. Длительность: до конца года с возможным продлением. Формат: Гибрид . Локация/Гражданство: Астана / Алматы (Казахстан). 📌 Важно: рассматриваются кандидаты с релевантностью опыта от 85% (аутстаффинговая позиция). ⏰ Дедлайн подачи резюме: до 29.08.2026 — резюме, поступившие после этой даты, не рассматриваются! 🏢 О компании: телеком-оператор. 🧩 О проекте: развёртывание и администрирование ML-моделей в продакшн-среду. Ищем MLOps-инженера для работы над развёртыванием ML-моделей в продакшн-среде телеком-оператора. Роль для специалиста с глубокой экспертизой в GPU-инфраструктуре (NVIDIA, CUDA, cuDNN), inference-серверах (Triton, TorchServe, BentoML) и оркестрации ML-сервисов в Kubernetes. Предстоит готовить и администрировать GPU-серверы, строить CI/CD пайплайны для ML, настраивать мониторинг и управлять ресурсами GPU-кластера. 🚀 Ключевые задачи: Развёртывание обученных ML-моделей в продакшн-среду: упаковка моделей в контейнеры, настройка и администрирование inference-серверов (Triton, TorchServe, BentoML или аналоги), обеспечение версионирования и воспроизводимости деплоя. Подготовка и администрирование GPU-серверов: установка и обновление драйверов NVIDIA, CUDA, cuDNN; конфигурирование GPU-нод в кластере Kubernetes; диагностика, мониторинг и устранение неисправностей GPU-оборудования. Построение и поддержка CI/CD пайплайнов для автоматизированного тестирования, сборки Docker-образов и деплоя ML-сервисов в dev, staging и production окружения. Настройка и поддержка инфраструктуры мониторинга ML-сервисов: метрики производительности, латентность, пропускная способность, настройка алертинга в Prometheus/Grafana или аналогах. Управление ресурсами GPU-кластера: планирование нагрузки, распределение GPU между задачами инференса, оптимизация утилизации оборудования и управление очередями задач. 🎯 Обязательные требования (Hard Skills): Контейнеризация и оркестрация: Принципы контейнеризации и оркестрации: Docker, Kubernetes, Helm. Управление namespace и resource quotas. MLOps и serving-платформы: Инструменты MLOps: MLflow. Serving-платформы: Triton Inference Server, BentoML, TorchServe или аналоги. Языки и скрипты: Python на уровне написания скриптов автоматизации, работы с API и CLI-инструментами. Основы Bash/Shell scripting. GPU-администрирование: Установка и настройка драйверов NVIDIA, CUDA, cuDNN. Мониторинг и оптимизация утилизации GPU (nvidia-smi, DCGM). CI/CD для ML: Построение CI/CD пайплайнов для ML: GitHub Actions, GitLab CI, Argo Workflows или аналоги. Мониторинг и алертинг: Системы мониторинга и алертинга: Prometheus, Grafana. Настройка дашбордов и алертов для ML-сервисов. 📲 Контакт для отклика: @hrwomenpro ( При отклике, пожалуйста, сразу присылайте актуальное резюме, пишите ID вакансии: DK-2_Gul и указывайте готовность к гибриду в Астане/Алматы)