MLOps (Инженер LLM-инфраструктуры)
AI Platform Team отвечает за всю инфраструктуру AI: от исследований моделей до их продакшн-запуска.
Наша задача - дать продуктам надёжный и эффективный доступ к LLM. Строить отказоустойчивые системы, которые держат нагрузку.
Мы ищем инженера, который будет проектировать, разворачивать и оптимизировать платформу для инференса больших языковых моделей. Работать с vLLM/Triton, GPU-кластерами, observability-стеком, чтобы модели работали быстро, стабильно и экономично.
Если вы строили высоконагруженные ML-системы и хотите решать инфраструктурные задачи в области LLM - давайте обсудим.
ЧЕМ ПРЕДСТОИТ ЗАНИМАТЬСЯ:
Развитие и эксплуатация инфраструктуры для инференса LLM, включая BitrixGPT, локальные и облачные модели:
-
внедрение стеков для эффективного обслуживания LLM, таких как vLLM, Nvidia Triton Inference Server и их аналогов,
-
оптимизация схем распределения нагрузки, батчинга и стриминга токенов.
Настройка, эксплуатация и оптимизация GPU-кластеров для инференса:
- управление ресурсами, планирование загрузки (capacity planning), снижение стоимости владения.
Профилирование и отладка сервисов инференса:
- поиск и устранение узких мест, влияющих на задержки (latency) и пропускную способность (throughput).
Настройка наблюдаемости (observability) AI-стека:
- сбор метрик, логирование, трассировка и алертинг (Prometheus, Grafana и других инструментов,
- разработка дашбордов для мониторинга доступности, задержек, ошибок и стоимости инференса.
Участие в разработке и улучшении платформенных процессов:
- совместная работа с командами разработки и data science,
- ревью архитектуры и сервисов, обмен экспертизой на внутренних митапах.
ЧТО МЫ ОЖИДАЕМ ОТ КАНДИДАТА:
-
Продовый опыт эксплуатации ML-/LLM-сервисов.
-
Практический опыт работы с контейнеризацией и оркестрацией (Docker).
-
Владение Python для разработки сервисов, утилит, оркестрации и автоматизации.
-
Понимание устройства современных LLM: архитектура трансформеров, токенизация, контекстное окно, влияние параметров (batch size, KV-cache) на latency и throughput.
-
Опыт настройки мониторинга и логирования в production (Prometheus, Grafana, ELK-стек, Sentry или аналоги).
-
Навыки анализа и оптимизации производительности сервисов: профилирование, поиск и устранение узких мест.
-
Готовность отстаивать своё мнение и предлагать улучшения для достижения наилучшего результата.
ТАКЖЕ ДЛЯ НАС ВАЖНО:
-
Практический опыт работы с vLLM и/или SGLang.
-
Опыт работы с GPU-инфраструктурой: CUDA, мониторинг и тюнинг GPU-нагрузки.
-
Знание принципов безопасной разработки и эксплуатации веб-сервисов.
ЧТО МЫ ПРЕДЛАГАЕМ:
- Полная занятость с возможностью удаленной работы или работы в комфортном офисе в Москве/Калининграде;
- Уникальная возможность влиять на пользовательский опыт миллионов компаний по всему миру;
- Работа в компании, где принятие решений основано на данных и аналитике;
- Конкурентоспособная заработная плата, оформление по ТКРФ;
- Программы профессионального развития и обучения;
- ДМС со стоматологией после трех месяцев работы;
- Сервис психологической поддержки ЯСНО и онлайн-платформа для спорта;
- Корпоративная культура, направленная на заботу о сотрудниках и их благополучии.