Обязанности
Формирование предложений по приоритетным направлениям развития платформы ИИ/LLM в компании.
Формирование бэклога задач по разработке и внедрению новых функций платформы, участие в согласовании с бизнес-заказчиками.
Разработка и реализация дорожной карты AI-платформы.
Эксплуатация и оптимизация инфраструктуры на базе облачных провайдеров (AWS/GCP/Azure), включая настройку GPU-стека (NVIDIA, CUDA, драйверы, MIG) и автомасштабирование.
Развертывание ИИ-продуктов: Успешный запуск и масштабирование различных ИИ-кейсов (чат-ассистенты, классификация/ранжирование, генеративные сценарии) с измеримым бизнес-эффектом.
Внедрение практик FinOps для профилирования, оптимизации и контроля затрат на облачную инфраструктуру (AWS/GCP/Azure) и GPU-ресурсы.
Участие в обучение различных AI агентов (в т.ч. агентов систем распознавания, автономной навигации и роевого взаимодействия) в симуляционных средах.
Менторство инженеров, код-ревью, внедрение best practices.
Требования
Опыт работы
Не менее 5 лет в DevOps/SRE, из них не менее 2-х лет в MLOps/LLMOps и продакшн-внедрении AI-сервисов и не менее 1 года в области внедрения ИИ в беспилотных летательных аппаратах.
Успешные кейсы запуска/масштабирования ИИ-продуктов в области роботизированных комплексов, беспилотных летательных аппаратов, автоматизированных систем управления различного назначения.
Опыт роли техлида/тимлида: участие в формировании технической стратегии, взаимодействие с бизнес-заказчиками.
Опыт обучения AI агентов в симуляционных средах.
Условия
Требования к кандидату
- Образование
- Высшее образование — специалитет, магистратура
- Опыт работы
- От 5 г.
Навыки и документы
- Навыки
- Облака и инфраструктура: AWS/GCP/Azure, Linux, сети, GPU-стек (NVIDIA, CUDA, драйверы, MIG, мониторинг и утилизация), autoscaling; Контейнеризация и оркестрация: Docker, Kubernetes, Helm, GPU-операторы, Karpenter/Cluster Autoscaler, сервис-меш (Istio/Linkerd); IaC и GitOps: Terraform, Ansible, Argo CD/Flux, управление средами; CI/CD: GitHub Actions/GitLab CI/Jenkins; шаблоны blue/green, canary, shadow; Модельный стек: MLflow (регистры/эксперименты), Kubeflow/Flyte/Ray, Airflow/Dagster; Модельный сервинг и оптимизация: Triton Inference Server, vLLM/TGI, ONNX/TensorRT, FasterTransformer; batch/online/stream-инференс; LLM-специфика: RAG (векторные БД: Milvus/Weaviate/Pinecone/pgvector), управление промптами, кеширование (prompt/cache), offline/online-оценка (Ragas/Promptfoo/LLM evals), guardrails/политики; Data/ETL: Kafka/PubSub/Kinesis, Great Expectations, DWH/Lakehouse (Snowflake/BigQuery/Databricks); Наблюдаемость: Prometheus/Grafana, ELK/EFK/Loki, OpenTelemetry, трассировка; ML/LLM-обсервабилити (Evidently, Arize/Fiddler/Weights & Biases); Безопасность и комплаенс: секреты (Vault/KMS), SSO/OIDC, RBAC, сетевые политики, контейнерная безопасность (Trivy/Grype), SBOM/SLSA; DLP/PII, политика данных, GDPR/ISO 27001/SOC 2. Знание NIST AI RMF, ISO/IEC 23894/42001, (желательно) EU AI Act; Стоимость и производительность: FinOps, профилирование и оптимизация инференса, выбор архитектур (open-source vs managed API: OpenAI/Azure OpenAI/Anthropic/Gemini vs Llama/Mistral), TCO-анализ; Тестирование: unit/integration/load/chaos, безопасностные и red-teaming практики для LLM
- Языки
- B2 — средне-продвинутый — LanguageKnowledge
Данные по вакансии
- Сфера деятельности
- Информационные технологии, телекоммуникации, связь
- График работы
- Полный рабочий день
- Условия труда
- Оптимальные
- Место/тип рабочего места
- Нарушения слуха – слабослышащий; Нет; Да
- Подходит для категорий
- Инвалид
- Медицинские требования
- Медкнижка: Не указано
- Количество рабочих мест
- 1
- Адрес места работы
- Воронежская область, Город Воронеж, Московский проспект, 130, 405
- Проживание
- Нет
Дополнительные сведения
- Перспектива карьерного роста
- Нет
- Типовая должность
- IT-специалист
Контакты по вакансии
- Контактное лицо: Лобанов Дмитрий Леонидович
- Телефон: +7(960) 100-26-44
- Эл. почта: amulet-s@mail.ru
О компании
Сведения о работодателе получены из публичной карточки вакансии источника «Работа России».