MLOps Engineer в банковском секторе

NDA; United States; Remoto; USD 120.000 - 170.000; Tempo pieno

Descrizione del lavoro

NDA ищет опытного MLOps‑инженера для банка с целью построения надёжного контура вывода ML‑моделей в продакшн, их обслуживания и мониторинга в высоконагруженной среде.

Вы будете проектировать и развёртывать ML‑пайплайны, работать с Kubernetes, KServe/Seldon/BentoML/Triton, Feast/Redis, Airflow/Kubeflow, Kafka; настраивать CI/CD через GitLab CI и ArgoCD; разрабатывать FastAPI API для инференса; мониторинг Prometheus/Grafana.

Competenze

• Уверенно владеть Python.
• Коммерческий опыт MLOps-инженера.
• Глубокие знания Docker, Kubernetes и Helm.
• Опыт работы с MLflow.
• Опыт оркестрации ML/ETL‑пайплайнов с Airflow или Kubeflow.
• Знания Kafka, Feast и Redis.
• Опыт развёртывания моделей с KServe, Seldon, BentoML или Triton Infer‑Server.
• Умение разрабатывать и поддерживать API‑сервисы на FastAPI.
• Опыт настройки CI/CD с GitLab CI или ArgoCD.
• Настройка мониторинга с Prometheus и Grafana.
• Желателен опыт в банковском/финтех‑сегменте с высокими требованиями к безопасности и отказоустойчивости.

Mansioni

• Проектировать, развёртывать и поддерживать MLOps‑пайплайны от обучения до продакшена.
• Разворачивать и обслуживать ML‑модели в Kubernetes с использованием KServe, Seldon, BentoML или Triton.
• Настраивать и поддерживать Feature Store на Feast и кэш Redis.
• Оркестрировать обработку данных и обучение с Airflow или Kubeflow; интегрировать потоковую обработку с Kafka.
• Внедрять CI/CD для ML‑проектов с GitLab CI и ArgoCD.
• Разрабатывать и поддерживать API‑сервисы для инференса на FastAPI.
• Настраивать мониторинг инфраструктуры и качества ML‑моделей с Prometheus и Grafana.

Conoscenze

Python

Strumenti

Docker

Kubernetes

Helm

Kafka

Feast

Redis

Airflow

Kubeflow

Triton Inference Server

Descrizione del lavoro

Описание

Проект крупного банка — построение, развитие и поддержка надёжного, масштабируемого MLOps-контура для вывода ML-моделей в продакшн, их обслуживания и мониторинга в высоконагруженной среде.

Задачи

• Проектировать, развёртывать и поддерживать MLOps‑пайплайны от обучения до продакшена
• Развёртывать и обслуживать ML‑модели в Kubernetes с помощью KServe, Seldon, BentoML или Triton
• Настраивать и поддерживать Feature Store на Feast и высокопроизводительное кэширование на Redis
• Оркестрировать обработку данных и обучение с Airflow или Kubeflow, интегрировать потоковую обработку с Kafka
• Внедрять и поддерживать CI/CD для ML‑проектов с GitLab CI и ArgoCD
• Разрабатывать и поддерживать API‑сервисы для инференса на FastAPI
• Настраивать мониторинг инфраструктуры и качества ML‑моделей с Prometheus и Grafana

Требования

• Уверенно владеть Python
• Иметь коммерческий опыт работы в роли MLOps‑инженера
• Глубоко знать Docker, Kubernetes и Helm
• Иметь опыт работы с MLflow
• Иметь опыт оркестрации ML/ETL‑пайплайнов с Airflow или Kubeflow
• Знать Kafka и концепции Feature Store, работать с Feast и Redis
• Иметь практический опыт развёртывания моделей с KServe, Seldon, BentoML или Triton Inference Server
• Уметь создавать и поддерживать высоконагруженные API‑сервисы для инференса на FastAPI
• Иметь опыт настройки CI/CD с GitLab CI или ArgoCD
• Уметь настраивать и поддерживать мониторинг с Prometheus и Grafana
• Будет плюсом: опыт настройки мониторинга дрейфа данных и концепций с Evidently или аналогичными инструментами, опыт работы в банковском секторе или финтехе с высокими требованиями к безопасности и отказоустойчивости

Условия

Продолжительность — от 6 месяцев с возможностью продления. Рассматриваются кандидаты с релевантностью опыта от 85% (аутстаффинговая позиция)