Росгосстрах сейчас активно развивает внутреннюю платформу - экосистему AI-сервисов для автоматизации ключевых процессов компании. Для этого формируем новую команду, которая будет фокусироваться на улучшении ключевых метрик моделей, минимизацию временных затрат на их разработку и выведению в промышленную эксплуатацию.
Ключевой стек:
Оркестрация и деплой: Kubernetes, Docker
ML-инфраструктура: Airflow, MLflow, Jfrog Artifactory
Бэкенд и API: FastAPI, Pydantic, SQLAlchemy, asyncpg
Базы данных: PostgreSQL, Redis, ArangoDB, OpenSearch
Языки и инструменты: Python, Bash, Git
CI/CD и VCS: Bitbucket, Bamboo
Что предстоит:
- Работа с уже существующими ML-моделями: встраивание в бизнес-процессы, масштабирование и вывод в продакшен;
- Настройка и поддержка пайплайнов и сервисов для batch- и online-инференса;
- Разработка и отладка DAG-ов в Airflow;
- Контейнеризация сервисов и эксплуатация моделей в Kubernetes;
- Разработка и поддержка API на FastAPI для интеграции моделей;
- Обеспечение стабильной работы ML-сервисов в продакшене;
- Версионирование моделей и управление артефактами;
- Оптимизация инференса и контроль использования ресурсов;
- Участие в развитии инфраструктуры полного жизненного цикла ML-моделей.
Для нас важно: - Опыт работы в области MLOps/ML-engineer от 3 лет;
- Понимание ML-алгоритмов и жизненного цикла модели:
- от постановки задачи, экспериментов и версионирования до деплоя и мониторинга в продакшене;
- знаете, как работают бустинги;
- чем трансформеры (LLM) отличаются от классических сетей;
- знаете, что такое эмбеддинги и для чего они применяются.
- Python и FastAPI:
- уверенное владение асинхронным/многопоточным программированием (asyncio, threading, multiprocessing);
- ООП с принципами SOLID;
- проектирование поддерживаемых, документированных и высоконагруженных API;
- Работа с SQLAlchemy, асинхронными драйверами базы данных.
- Airflow: разработка и отладка DAG-ов для batch-инференса моделей;
- Контейнеризация и оркестрация: работа с Docker и Kubernetes — опыт эксплуатации production-кластеров, настройка лимитов;
- Работа с базами данных: SQL, NoSQL - владение реляционными БД для хранения структурированных данных.
Является преимуществом:
- KServe / Seldon / TorchServe — опыт развертывания моделей на inference-платформах.
- Triton Inference Server — оптимизация инференса, динамическое батчирование, работа с разными бекендами (TensorRT, ONNX).
- опыт инференса больших языковых моделей (vLLM, llama), оптимизация GPU-памяти, continuous batching.
- Агенты: опыт проектирования агентных систем, работа с LangChain, LlamaIndex, LangGraph
- Real-time системы: Kafka, RabbitMQ, streaming-инференс, Faust.
Мы предлагаем:
- Полностью "белая" зарплата, премии;
- График работы 5/2;
- Возможен удаленный формат работы;
- Подключение к ДМС после успешного прохождения испытательного срока;
- Корпоративные скидки на страховые продукты (автострахование, ВЗР и т.д.);
- Корпоративные скидки на фитнес, магазины-партнёры, книги и др.;
- Электронная библиотека с более чем 3000 книг на самые актуальные темы;
- Специальные мероприятия для сотрудников и их детей, подарки на Новый год.
