{"id":1394365,"url":"https://alion.io/job/webbankir-tech-lead-mlops","title":"Tech Lead MLOps","company":{"id":7621,"name":"WebBankir","domain":"webbankir.com","url":"https://alion.io/company/webbankir","size_band":null,"is_staffing_agency":false,"employer_type":"direct","is_intermediary":false,"listed_via":null,"ats_vendor":"HeadHunter","truth_index":{"grade":"B","score":83,"open_postings":4,"ghost_share":0.25,"stale_share":0,"repost_share":0.5,"time_to_fill_p50_days":8,"computed_at":"2026-10-02T05:45:00Z"}},"role":"Leadership","role_family":"Leadership","seniority":"lead","employment_type":null,"work_mode":"remote","remote_scope":"stated_regions","remote_scope_basis":"board_field","remote_working_hours":null,"hiring_geo_confidence":"structured","locations":["Moscow, Russia"],"countries":["RU"],"hiring_countries":["RU","BY","KZ","KG","AM"],"hiring_countries_total":5,"salary":null,"salary_estimate":{"min_usd":32000,"max_usd":85000,"period":"year","method":"role_seniority_country_remote_cell","sample_n":8},"experience_years_min":null,"visa_sponsorship":false,"relocation_package":false,"has_equity":false,"technologies":[{"name":"Alertmanager","optional":false},{"name":"Apache Kafka","optional":false},{"name":"BentoML","optional":false},{"name":"CI/CD","optional":false},{"name":"ClickHouse","optional":false},{"name":"dbt","optional":false},{"name":"Docker","optional":false},{"name":"FastAPI","optional":false},{"name":"Feast","optional":false},{"name":"Git","optional":false},{"name":"Grafana","optional":false},{"name":"Great Expectations","optional":false},{"name":"Greenplum","optional":false},{"name":"KServe","optional":false},{"name":"Kubernetes","optional":false},{"name":"Linux","optional":false},{"name":"Loki","optional":false},{"name":"MLFlow","optional":false},{"name":"PostgreSQL","optional":false},{"name":"Prometheus","optional":false},{"name":"Python","optional":false},{"name":"Redis","optional":false},{"name":"Spark","optional":false},{"name":"SQL","optional":false},{"name":"Terraform","optional":false},{"name":"Triton","optional":false},{"name":"Flink","optional":true},{"name":"Yandex Cloud","optional":true}],"status":"live","first_seen_at":"2026-09-28T12:58:06Z","employer_posted_date":"2026-09-28","last_verified_at":"2026-10-02T20:12:37Z","board_verified":true,"closed_at":null,"days_open":4,"trust":{"level":"ok","repost_count":null,"flags":[],"days_open":4},"description":"Мы строим современную платформу данных и ML: хранилище по слоям, единый профиль клиента (MDM), фичестор и систему принятия решений по заявкам в реальном времени.\n ML-инфраструктуры в полноценном виде у нас пока нет, и мы ищем человека, который спроектирует её сам: выберет подходы и инструменты, обоснует решения, реализует и станет владельцем платформы. Это не позиция «делать по готовому ТЗ».\n Важно: это роль технического лидера, а не менеджера. Основную часть времени вы будете сами, своими руками разворачивать, настраивать и отлаживать инфраструктуру - от кластеров и сервисов до CI/CD, логирования и алертов.\n Чем предстоит заниматься:\n Спроектировать целевую архитектуру ML-платформы: как модели обучаются, выкатываются, обслуживаются и мониторятся; как фичи попадают из DWH в онлайн-контур скоринга.\n Сравнивать и выбирать технологии под наши задачи, готовить обоснования и защищать решения перед командой и руководством.\n Своими руками развернуть и настроить: dbt поверх Greenplum, Yandex Data Proc (Spark), MLflow (трекинг экспериментов, реестр моделей), serving моделей (онлайн-инференс по API и батч-скоринг, версионирование, откаты).\n Развернуть, настроить и поддерживать инфраструктуру фичестора на Feast: офлайн-хранилище в DWH (Greenplum), онлайн-хранилище на Valkey, registry, materialization, логирование и мониторинг. Сами признаки и пайплайны строят дата-инженеры, а вы задаёте стандарты работы с фичестором (регистрация фич, point-in-time корректность, отсутствие расхождений train/serve), обучаете команду и ревьюите решения.\n Выстроить мониторинг на всех уровнях: инфраструктура и сервисы - метрики, логи, алертинг (Prometheus, Grafana, Alertmanager, ELK/Loki); модели - дрейф фич и скоров, стабильность (PSI), деградация качества, латентность и ошибки инференса; данные - свежесть, полнота и корректность фич и витрин, контроль пайплайнов Airflow и dbt; дашборды и регламенты реагирования на инциденты.\n Обеспечить онлайн-скоринг заявки с низкой задержкой: сбор фич из фичестора, MDM и внешних источников.\n Автоматизировать пайплайны (Airflow, Kafka, Debezium), выстроить инфраструктуру как код (Terraform) и CI/CD.\n Поддерживать всё развёрнутое в эксплуатации: обновления, масштабирование, разбор инцидентов, runbook-и.\n Самостоятельно находить узкие места и риски в платформе и предлагать, что улучшить, не дожидаясь запроса.\n Задавать стандарты MLOps/DataOps и помогать командам DWH и Data Science работать по ним.\n Что мы ждём:\n От 5 лет в DevOps / Data Engineering / MLOps, из них от 2 лет - ML-инфраструктура в продакшене.\n Сильный hands-on опыт: вы сами разворачивали и эксплуатировали инфраструктуру в проде и готовы много работать руками - Kubernetes, Terraform, конфиги, пайплайны, отладка.\n Опыт проектирования платформы или крупной подсистемы с нуля - не только поддержки существующей. Готовность рассказать, какие решения принимали и почему.\n Архитектурное мышление: умение видеть систему целиком, учитывать нагрузку, отказоустойчивость, стоимость владения и безопасность, взвешивать компромиссы.\n Опыт вывода ML-моделей в прод с онлайн-инференсом (FastAPI, BentoML, KServe, Triton или аналоги).\n Уверенный Python, SQL, Linux, Git.\n MLflow (или аналоги), Airflow, Spark, Kafka.\n Docker, Kubernetes, CI/CD, Terraform.\n dbt и MPP-хранилища (Greenplum, PostgreSQL, ClickHouse), + Redis. \n Опыт развёртывания и эксплуатации Feast в проде: online/offline store, registry, materialization, point-in-time корректность, интеграция с сервисом инференса. Умение передать эти знания дата-инженерам: написать гайдлайны, провести ревью, разобрать ошибки.\n Опыт построения мониторинга с нуля: Prometheus, Grafana, алертинг; мониторинг ML-моделей (Evidently, NannyML или собственные решения); контроль качества данных (dbt tests, Great Expectations или аналоги).\n Проактивность: вы сами формулируете задачи, доводите их до результата и приходите с предложениями, а не ждёте постановки.\n Умение письменно оформлять архитектурные решения (ADR, схемы, документация) и объяснять их техническим и нетехническим коллегам.\n Будет плюсом:\n Опыт в Yandex Cloud (Data Proc, Managed Kubernetes, Managed Greenplum / MPP Analytics).\n Опыт в финтехе, банках или МФО: кредитный скоринг, антифрод, работа с БКИ.\n Знание требований 152-ФЗ и практик работы с персональными данными.\n Опыт с потоковой обработкой (Flink, Spark Structured Streaming).\n Мы предлагаем:\n Возможность построить ML-платформу с нуля и влиять на архитектуру.\n Современный стек и реальные задачи с измеримым влиянием на бизнес.\n Зарплата: обсуждается по итогам интервью.\n Формат работы: удобный для вас [удалённо / гибрид / офис в Москве].\n Скидки от компаний-партнеров через PrimeZone.","description_format":"text","description_chars":4663,"description_truncated":false,"requirements":{"experience_years_min":null,"management_years_min":null,"team_size_min":null,"manages_managers":false,"education":null,"security_clearance":false,"languages":[{"language":"Russian","level":"Advanced (C1)","optional":false}]},"benefits":[],"hiring_locations":[{"name":"Russia","iso":"RU","kind":"country"},{"name":"Belarus","iso":"BY","kind":"region"},{"name":"Kazakhstan","iso":"KZ","kind":"region"},{"name":"Kyrgyzstan","iso":"KG","kind":"region"},{"name":"Armenia","iso":"AM","kind":"region"}],"hiring_excludes":[],"relocation_offered":false,"industries":["Consumer Loans & Pawnshops"],"lifecycle":[{"event":"open","at":"2026-09-28T13:04:40Z"}],"liveness":{"score":71,"band":"hot","label":"Hiring now","p_open":1,"p_active":0.753,"p_room":0.945,"age_days":3,"expected_fill_days":8,"reasons":["conf:20","velocity","win:mid"],"computed_at":"2026-10-02T05:45:00Z"},"pay":null,"html_url":"https://alion.io/job/webbankir-tech-lead-mlops","json_url":"https://alion.io/job/webbankir-tech-lead-mlops.json","meta":{"generated_at":"2026-10-03T01:46:51Z","cache_seconds":300,"methodology":"https://alion.io/methodology","terms":"https://alion.io/terms","contact":"https://alion.io/contact","api":"https://alion.io/developers","usage":{"tier":"crawler","counted_by":"address","units_charged":1,"used_today":1772,"day_limit":5000,"remaining_today":3228,"minute_limit":60,"resets_at":"2026-10-04T00:00:00Z"}}}