Ключевые технологии
- ИИ/ML-стек: Python (PyTorch/TensorFlow), MLflow, ONNX Runtime, vLLM (для LLM)
- Инфраструктура: Docker, multi-stage сборки, Kubernetes, Helm
- CI/CD: GitLab CI / GitHub Actions с поддержкой MLOps-конвейеров
- Мониторинг: централизованное логирование (Loki/Grafana), метрики качества моделей
Обязанности
- Проектирование и поддержка MLOps-конвейеров: от обучения до инференса моделей ИИ в продакшене
- Контейнеризация моделей машинного обучения и ИИ-сервисов (оптимизация образов, GPU-ускорение)
- Обеспечение соответствия ИИ-решений требованиям информационной безопасности (защита моделей, данные в покое и при передаче)
- Автоматизация развёртывания в изолированных средах (тест, предпродакшн, продакшн) с учётом регуляторных ограничений
- Мониторинг дрейфа данных, деградации качества моделей и ресурсоёмкости инференса
- Документирование инфраструктурных решений и процессов валидации ИИ-компонентов для аудита
Требования
-
Опыт работы с контейнеризацией (Docker) в продакшн-средах.
-
Практические навыки настройки CI/CD-конвейеров для ИИ-проектов (управление версиями моделей, артефактами).
-
Понимание специфики развёртывания моделей ИИ: оптимизация для инференса, кэширование, батчинг запросов.
-
Опыт работы с системами мониторинга и логирования в распределённых средах.
-
Знание принципов безопасности при работе с контейнерами и обработке чувствительных данных.
-
Способность вести регламентированный документооборот.
Будет плюсом
-
Опыт развёртывания ИИ-решений в регулируемых средах (госсектор, финтех, здравоохранение).
-
Практика работы с большими языковыми моделями (LLM) в продакшне: оптимизация, квантизация, приватный инференс.
-
Опыт интеграции с государственными информационными системами
Мы предлагаем
-
Стабильную, официальную занятость в государственном учреждении с социальными гарантиями.
-
Возможность проектировать инфраструктуру для ИИ-решений с реальным социальным эффектом.
-
Работу с современным стеком технологий в условиях повышенных требований к надёжности и безопасности.