системный аналитик ML-инференса

Cloud.ru; United States; Presencial; USD 120.000 - 180.000; Jornada completa

Ventajas ofrecidas por este puesto de trabajo

ДМС с стоматологией

Гибкое начало дня

Офис в центре Москвы

Обучение и конференции

Descripción de la vacante

HireHi ищет опытного системного аналитика для сопровождения ML/LLM инфраструктуры в облаке. Вы будете анализировать требования клиентов, проектировать архитектуры инференса и координировать команды разработки для запуска решений в продакшене.

Кандидат должен владеть SQL, Kubernetes, REST и опытом работы с ML/LLM практиками, Docker, PostgreSQL и Kafka. Готовится офис в центре Москвы; гибкие условия и развитие в компании.

Formación

• Старший уровень бизнес-анализа или системного анализа с полным циклом задач и сопровождением проектов.
• Умение работать с большим количеством заинтересованных сторон и кросс-функциональных команд, формулировать требования и обосновывать решения.
• Убедительные знания SQL и опыт написания сложных запросов для анализа данных, проверки гипотез, диагностики инцидентов.

Responsabilidades

• Анализировать требования клиентов и формировать решения совместно с продуктовой командой.
• Проектировать архитектуру интеграций, писать дизайн-документы и спецификации API.
• Разрабатывать и управлять жизненным циклом inference-сервисов, масштабирование и конфигурацию Kubernetes.

Conocimientos

SQL

Kubernetes

REST API

ML/LLM

UML/BPMN

Docker

Herramientas

Docker

PostgreSQL

Kafka

Descripción del empleo

Описание:

Evolution ML Inference — платформа для автоматизированного развёртывания и эксплуатации ML-моделей в облаке. Она позволяет запускать модели на GPU-инфраструктуре и управлять их конфигурацией, масштабированием и жизненным циклом.

Задачи:

Глубоко изучать продукт и сценарии клиентов, анализировать запросы и прорабатывать решения совместно с продуктом и смежными командами, моделировать AS IS / TO BE Вести полный цикл задач: собирать требования, ставить задачи разработчикам и доводить решения до запуска в продакшене Проектировать архитектурные и интеграционные решения, писать дизайн-документы, описывать взаимодействие сервисов и согласовывать спецификации API Прорабатывать жизненный цикл inference-сервиса: создание, конфигурирование, запуск, остановку, изменение конфигурации, масштабирование, обновление и удаление Прорабатывать сценарии вывода новых моделей в каталог, включая сбор характеристик, требований к runtime и ресурсам, параметров запуска и ограничений Определять конфигурацию inference-сервисов, включая требования к GPU, CPU, RAM, количеству реплик, runtime и endpoint Прорабатывать масштабирование и управление ресурсами, определять требования к autoscaling, лимитам, квотам, concurrency и RPS Прорабатывать учёт потребления и тарификацию ресурсов, проверять расчёты и взаимодействие с биллинговыми системами Анализировать производительность и эксплуатационные характеристики моделей: latency, throughput, cold start, GPU utilization и потребление памяти Разбирать инциденты и события в кластере, изучать логи, метрики и события Kubernetes, диагностировать проблемы запуска, доступности, масштабирования и производительности Создавать процессные, архитектурные и sequence-диаграммы, документировать сервисы команды Координировать зависимости и строить E2E-сценарии и интеграции со смежными командами биллинга, IAM и консоли Анализировать данные и проверять гипотезы с помощью SQL-запросов, разбирать инциденты и обращения клиентов по логам и метрикам

Требования:

Опыт работы системным или бизнес-аналитиком уровня Senior, практический опыт системного анализа, интеграционного проектирования и сопровождения задач полного цикла Умение работать с большим количеством заинтересованных сторон и кросс-функциональных команд, собирать и согласовывать требования, находить компромиссы и обосновывать технические решения Опыт сбора, анализа и формализации требований, декомпозиции бизнес-потребностей до функциональных и нефункциональных требований, системных взаимодействий, API-контрактов и критериев приёмки Уверенное владение SQL и опыт написания сложных запросов для анализа данных, проверки гипотез, поиска аномалий и разбора инцидентов Практический опыт работы с API, понимание REST и gRPC, опыт проектирования или интеграции API и работы со спецификациями Умение описывать взаимодействие компонентов, проектировать интеграции и готовить дизайн-документы и технические спецификации Уверенное владение UML и BPMN, опыт построения sequence-диаграмм, процессных и интеграционных схем и документирования технических решений Практический опыт работы с ML/LLM-моделями, понимание этапов inference, развёртывания и ограничений эксплуатации Понимание параметров ML/LLM inference, влияющих на производительность и стоимость: latency, throughput, concurrency, batch size, cold start, GPU utilization, GPU memory и autoscaling Знание Kubernetes на уровне, достаточном для системного анализа: Pods, Deployments, Services, Ingress, Resources, Namespaces, Events и Logs Базовое понимание GPU-инфраструктуры, GPU/CPU/RAM, ресурсных ограничений и их влияния на производительность и стоимость Опыт анализа инцидентов в продакшене, умение исследовать логи, метрики и события, локализовать проблемы и формировать требования для устранения первопричин Понимание облачных платформ, квот, лимитов, учёта ресурсов, тарификации, IAM, управления доступом и изоляции ресурсов Умение работать с E2E-сценарием ... Готовность самостоятельно вести задачи от требований и проектирования до координации разработки, приёмки и внедрения Техническая любознательность и готовность погружаться в ML/LLM-инфраструктуру, новые модели, runtime, способы развёртывания и ограничения платформы Будет плюсом: опыт работы с ML/LLM inference-платформами, ML serving или MLOps-продуктами, Kubernetes и GPU-инфраструктурой, ML serving/runtime-инструментами, Docker, системами autoscaling и управления ресурсами, мониторингом и observability, биллингом и metering, PostgreSQL, ClickHouse, Kafka, OpenAPI/Swagger, Protobuf/Proto3, Git, Python, облачными платформами и командами разработки ML-моделей и инфраструктуры

Условия:

Конкурентный уровень дохода (оклад + годовой бонус) ДМС со стоматологией и возможностью подключить детей и родственников Гибкое начало рабочего дня, в пятницу сокращённый рабочий день Офис в центре Москвы Корпоративная мобильная связь Льготная программа ипотечного и потребительского кредитования Возможность вертикального и горизонтального роста Бонусные программы от компаний-партнёров Бонус за рекомендацию кандидата Материальная помощь при рождении детей и других семейных обстоятельств Обучение в корпоративном университете за счёт компании Участие в профильных конференциях Спортивные сообщества и клубы по интересам