Системный инженер (MLOps) в Nova AI

Описание вакансии
Orion soft создает стабильное ПО для ИТ-инфраструктуры Enterprise-бизнеса. Наши продукты помогают автоматизировать и оптимизировать процессы, создавать защищенную инфраструктуру под КИИ, строить частные облака и запускать эффективные ML/AI-процессы. Наша цель — сделать работу с AI-инфраструктурой удобной и предсказуемой: от подготовки окружения и выделения GPU до запуска моделей, масштабирования и мониторинга. Ищем системного инженера, который поможет развивать платформу: исследовать технологии, проверять архитектурные гипотезы и доводить решения до готовности к включению в продукт.

Твои задачи
Проводить R&D в области AI/ML-инфраструктуры: сравнивать open source решения, собирать прототипы, оценивать ограничения и предлагать варианты интеграции в платформу. Интегрировать и адаптировать компоненты для рабочих сред ML-инженеров, ML-пайплайнов, хранения и версионирования моделей, запуска инференса. Прорабатывать сценарии обычного и распределённого инференса: развёртывание моделей, масштабирование, сетевое взаимодействие и эффективное использование вычислительных ресурсов. Автоматизировать сборку, установку, настройку и обновление компонентов платформы с помощью CI/CD, Helm и инструментов управления конфигурацией. Создавать тестовые стенды, проводить нагрузочные испытания и проверки отказоустойчивости, находить причины проблем на уровне ОС, Kubernetes, сетей, хранилищ и AI/ML-компонентов. Развивать мониторинг и диагностику платформы: метрики GPU и сервисов, логи, оповещения и инструменты поиска узких мест. Совместно с командой устранять уязвимости, проверять совместимость обновлений и готовить компоненты к выпуску. Документировать решения, ограничения и рекомендации; создавать воспроизводимые примеры и инструкции для пользователей и команды поддержки.

Наши ожидания
От трёх лет опыта системным, DevOps- или платформенным инженером. Уверенное владение Linux. Практический опыт работы с Kubernetes. Знание основ TCP/IP, DNS, HTTP(S), TLS и балансировки нагрузки. Умение автоматизировать задачи, работать с Git и CI/CD. Опыт настройки мониторинга и логирования, например с Prometheus и Grafana. Понимание инфраструктурных потребностей AI/ML: чем обучение отличается от инференса, для чего нужны GPU, хранилища моделей и рабочие окружения. Умение самостоятельно разобраться в новой технологии, проверить её на практике и аргументированно представить результаты команде. Английский — на уровне чтения технической документации.

Здорово, если ты
Разворачивал AI/ML-сервисы в Kubernetes и работал с MLflow, JupyterHub, Airflow, Kubeflow или аналогичными инструментами. Запускал модели через vLLM, Triton Inference Server, KServe, Ray или другие инструменты инференса. Работал с GPU-инфраструктурой: драйверами, CUDA, GPU Operator, разделением GPU и планировщиками задач. Знаком с распределёнными вычислениями и высокоскоростными сетями, включая InfiniBand и RDMA. Работал с S3-совместимыми хранилищами, PostgreSQL, векторными базами данных или системами хранения ML-артефактов. Понимаешь инфраструктуру RAG-систем, AI-шлюзов и агентных приложений. Знаком с безопасностью контейнеров, сканированием зависимостей и эксплуатацией ПО в изолированных контурах.

Мы предлагаем
Конкурентную заработную плату, соответствующую навыкам, прозрачную систему премирования. Работу в аккредитованной ИТ-компании. Гибридный формат работы — можно работать удаленно или в офисе с командой. Курсы и тренинги от корпоративного университета, возможность внешнего обучения и сертификации за счет компании, регулярные внутренние митапы и обмен опытом.