Для успешной работы на проектах нужны:

• Знание и опыт работы с Infrastructure & IaC: управление серверной/облачной инфраструктурой (Public/Private), IaC-инструментами (Terraform, Bicep и др.), Docker и Kubernetes
• Опыт работы с CI/CD: проектирование и поддержка CI/CD в продакшен-средах
• Опыт работы с MLOps / ALM: развертывание и работа с MLflow, Kubeflow, ClearML или аналогичными платформами
• Опыт работы с Incident Management: опыт расследования причин сбоев (RCA) и стабилизации критических систем
• Сильный бэкграунд в Linux системах (RHEL/Rocky/SLES)
• Опыт работы с Data Analytics & Data Analysis (работа с Databricks)
• Уверенное владение Python и Bash или PowerShell для автоматизации
• Опыт работы с реляционными БД (PostgreSQL), сетевыми файловыми системами (NFS) и объектными хранилищами (S3, Blob-совместимыми)
• Знание английского языка на уровне Intermediate+ (для работы с документацией и международными командами)

Будут плюсом:

• Глубокий опыт работы с HPC-планировщиками (PBS Professional, Torque, Slurm)
• Навыки связывания традиционных HPC-систем с современными cloud-native платформами (Kubernetes, MLOps-стеки) и настройка гибридного масштабирования (cloud bursting) в публичные или частные облака
• Понимание MPI-нагрузок (OpenMPI, MPICH) и планирования GPU (стек NVIDIA, концепции MIG/MPS)
• Опыт работы с параллельными файловыми системами (строго предпочтителен Lustre)
• Опыт управления конфигурациями (Ansible, Puppet или аналоги)

Чем предстоит заниматься:

• Проектирование, развертывание и поддержка отказоустойчивой инфраструктуры для платформ машинного обучения и конвейеров данных (Python, SQL) на базе клаудов (Azure, AWS, GCP) или on-premises решений
• Внедрение процессов управления жизненным циклом (ALM) для ML-моделей, автоматизация процессов обучения, версионирования и деплоя (MLflow, Kubeflow, ClearML или аналогичные платформы)
• Обеспечение надежности, масштабируемости и высокой доступности MLOps-инфраструктуры
• Проектирование и управление распределенными вычислительными средами (bare metal, VM, private/public cloud)
• Контейнеризация ML-сервисов и приложений с использованием Docker и Kubernetes, обеспечение их безопасного вывода в продакшен
• Автоматизация развертывания инфраструктуры и конфигурации кластеров с помощью подходов IaC (Terraform, Bicep, и др.)
• Разработка, внедрение и поддержка надежных CI/CD-пайплайнов (GitLab CI, GitHub Actions, Jenkins, Azure DevOps)
• Настройка комплексного мониторинга и observability (логирование, метрики, дашборды) для контроля задержек и состояния кластеров
• Диагностика узких мест производительности, устранение сбоев на уровне узлов и сети, проведение Root Cause Analysis (RCA) в рамках управления инцидентами