MLOps Engineer

Требования: Критично: MLOps, DevOps; Docker, Kubernetes (K8s). CI/CD для ML (пайплайны обучения и деплоя). Инструменты MLOps: MLflow, ClearML, Kubeflow, DVC. LLM и Agentic AI (критично). Понимание и опыт с фреймворками: LangChain, LangGraph, LlamaIndex; поддержка Multi-Agent и Autonomous Agents. Знание RAG, MCP, Prompt Engineering, Tool Use; работа с API LLM‑провайдеров (OpenAI и аналоги). Оркестрация и наблюдаемость: Apache Airflow; мониторинг ML‑систем (качество моделей, дрейф данных, latency, throughput). Плюсом: оптимизация инференса LLM (vLLM, TensorRT‑LLM, Ollama). Дополнительно: Python для автоматизации и кастомных операторов Airflow; векторные БД (Qdrant, Milvus, pgvector) и их эксплуатации.