Вступить в клуб →
← К вакансиям
Selecty85/100

MLops/Devops инженер

200 000–250 000 RUB
Опубликовано: 3 июля 2026
middleremoteML / Data SciencefulltimeРФrudevopsmlopskubernetesdockerpythonsqlairflowmlflowkubeflowlangchainfastapigitlab ci/cd
Контакты и отклик открываются после вступления в клубВступить →
Публикатор: Александра Обсуждение: @•••••• #вакансия #vacancy #devops #mlops #airflow #fastapi #kubernetes #middle #banking #удаленка Компания: Selecty (KA); Позиция: MLops\Devops инженер; Локация: РФ; Формат работы: удаленка; Занятость: полная; Вилка: от 200 тыс. до 250 тыс. на руки Ищем middle MLops\Devops-инженера на проект построения чат-ботов и агентов для улучшения клиентского сервиса и повышения качества дата продуктов. Необходимо понимание языка данных (SQL, Spark), инфраструктуры (K8s, Docker) и машинного обучения (Python, MLflow). Стек технологий: - Production-опыт с фреймворками MLOps: Kubeflow, MLflow, Airflow для оркестрации. - Понимание их интеграции в CI/CD пайплайны. - Контейнеризация и оркестрация: Docker и Kubernetes (в контексте развертывания моделей как сервисов). - Облачная инфраструктура: Опыт работы с одним из major cloud-провайдеров (желательно GCP или AWS/Azure с пониманием hybrid-cloud). - Data Engineering: Умение работать с большими данными. - Понимание распределенных вычислений (Spark). - ML-фреймворки и API: практический опыт работы с LangChain/LlamaIndex, FastAPI, знание фреймворков для работы с LLM (Hugging Face, vLLM и т.д.). - Языки программирования: Свободный Python. Знание SQL на очень высоком уровне для работы с data vault. - Системы контроля версий: Git, GitLab CI/CD. Ключевые навыки и требования: - Реальный опыт вывода в production NLP-приложений (чат-боты, семантический поиск, классификация текстов). - Опыт построения и оптимизации ML пайплайнов для обучения, инференса и мониторинга моделей. - Опыт работы с векторными базами данных (например, Qdrant, Weaviate, pgvector) для RAG-систем (актуально для чат-бота по Confluence). Наши условия: • Оформление в штат аккредитованной ИТ-компании по ТК РФ: полностью белая заработная плата, оплачиваемые отпускные и больничные; • Индексация заработной платы; • Расширенная программа ДМС; • Скидки на фитнес, кино и уроки английского; • Техника по требованиями проекта. Контакт для связи: @••••••

Похожие вакансии

Все вакансии →
AstonМоскваremotefulltimemiddle68

MLops Engineer

MLops Engineer в аккредитованной аутсорсинговой IT-компании Aston: тестирование и оценка ML-моделей, участие в разработке новых AI-сервисов, ведение проектной документации и внедрение новых технологий. Требуется опыт от 3 лет, глубокая экспертиза в Python (asyncio, threading, multiprocessing), FastAPI и Pydantic v2, PostgreSQL/Redis/MongoDB, Docker и Docker Compose, Kafka/RabbitMQ/Celery, а также опыт работы с Qdrant. Формат работы — удалённо, есть офисы в Москве, Санкт-Петербурге, Казани, Нижнем Новгороде и Самаре.

airflowcelerydockerfastapigitlab cikafka+14
7 октября 2026
Страховая компания Сбербанк страхованиеМоскваhybridfulltimemiddle72

MLOps Engineer

Задача — выстроить MLOps-практику в Сбербанк Страхование: стенды, процессы и DevOps для вывода ML-моделей в прод в режимах Batch и Streaming. Роль включает поддержку исследователей, обеспечение отказоустойчивости ML-систем и внедрение мониторинга качества моделей в production.

mlflowkubeflowairflowdockerkubernetespython+6
29 октября 2026
RUTUBEМоскваremotefulltimemiddle72

MLOps инженер (RUTUBE TECH)

Разработка сервисов на Python для интеграции ML-моделей в прод, поддержка команды DS/MLE, настройка мониторинга моделей и разбор инцидентов, разработка и поддержка дагов Airflow. Требуется хорошее знание Python, опыт с Docker/k8s, MLOps-платформами (ClearML, MLFlow), нейросетевыми моделями CV/NLP и оптимизацией инференса (ONNX, TensorRT, Triton).

airflowclearmldockerfastapiflaskkafka+8
20 октября 2026
Сбер. Data ScienceМоскваhybridfulltimesenior78

Senior Data Scientist

Настройка клиентских стратегий в розничном бизнесе Сбера: построение uplift-моделей эластичности к ставке по вкладам и кредитам, прогнозирование досрочного погашения и оценка эффекта через A/B-тесты и causal inference. Работа с большими данными в Hadoop (PySpark, SQL), от прототипа до продвинутого пайплайна обучения и мониторинга.

a/b тестированиеcatboostcausal inferencedockerelasticsearchfine-tuning+19
28 октября 2026