Описание вакансии
В 4GIC мы создаем AI-решения, способные масштабироваться и приносить реальный результат бизнесу любого размера. Если вы хотите не просто разворачивать модели, а строить надежные ML-системы, которые ежедневно обслуживают тысячи запросов и оптимизируют ключевые процессы, то роль ML Engineer в нашей команде — ваш идеальный вызов.
Представьте: вы отвечаете за автоматизацию полного цикла машинного обучения — от приема данных до продакшн-среды и далее. Ваши пайплайны обрабатывают терабайты данных, обеспечивают бесперебойную работу моделей и максимально сокращают время вывода новых версий в продакшн. Вы работаете с лидерами отрасли — от FinTech до e-commerce — и влияете на принятие стратегических решений, повышая эффективность клиентов на десятки процентов.
Что вдохновляет в этой роли:
- End-to-End ответственность: вы проектируете, реализуете и поддерживаете CI/CD-пайплайн для ML — от экспериментов до масштабируемого продакшн-деплоймента.
- Cutting-edge инструменты: Docker, Kubernetes, MLflow, Kubeflow и Airflow, а также специализированные GPU/TPU-кластеры.
- Кросс-функциональное взаимодействие: тесно с разработчиками, Data Scientists, DevOps и бизнес-аналитиками.
- Инновации и эксперименты: время для R&D, внутренняя лаборатория, публикации и исследования.
- Гибкость и поддержка: гибридный или удаленный формат, непрерывное обучение, участие в профильных конференциях.
Если вы умеете считать миллионы запросов в секунду, настраивать мониторинг и алертинг, и при этом не боитесь брать на себя ответственность за uptime и качество моделей — мы ждем вас в 4GIC.
Задачи
- Разработка ML-пайплайнов: создание и оптимизация production-ready конвейеров обучения и развёртывания моделей.
- Оркестрация процессов: настройка и управление workflow в Airflow или Kubeflow для ETL, тренировок и мониторинга.
- Контейнеризация и оркестрация: упаковка сервисов в Docker-контейнеры, деплой в Kubernetes.
- Интеграция с бизнес-системами: настройка API и микросервисов для взаимодействия моделей с CRM, ERP и пользовательскими приложениями.
- Мониторинг и алертинг: реализация систем для отслеживания производительности, drift и SLA моделей с помощью Prometheus и Grafana.
- Оптимизация и масштабирование: анализ производительности сервисов и моделей, разработка стратегий автоскейлинга.
- Документирование и автоматизация: поддержка CI/CD через GitLab CI/Jenkins, написание Terraform/Ansible-скриптов.
Должностные обязанности
- Проектировать, разворачивать и поддерживать ML-инфраструктуру в облаке (AWS/Azure/GCP).
- Разрабатывать автоматизированные пайплайны для обучения, валидации и деплоя моделей.
- Внедрять и поддерживать MLOps-инструменты (MLflow, Kubeflow, Airflow).
- Настраивать системы логирования, мониторинга и алертинга для моделей и сервисов.
- Оптимизировать ресурсы: GPU/CPU, хранилища данных и сеть для эффективной работы.
- Проводить code review, документировать архитектуру и best practices.
- Взаимодействовать с Data Scientists, Backend и DevOps для обеспечения высокого качества решений.
Требования к кандидату
Опыт и образование:
- Высшее техническое образование (информатика, математика, инженерия).
- Опыт работы ML Engineer или DevOps с AI-проектами от 3 лет.
Технологии и инструменты:
- Docker, Kubernetes, Helm.
- Airflow и/или Kubeflow для оркестрации ML.
- MLflow или аналогичные MLOps-платформы.
- Terraform, Ansible или аналогичные IaC-инструменты.
- CI/CD: GitLab CI, Jenkins, GitHub Actions.
- Облачные платформы: AWS (EKS, Sagemaker), GCP (GKE, AI Platform) или Azure ML.
- Языки: Python (Bash, Go будет плюсом).
- Мониторинг: Prometheus, Grafana, ELK-stack.
Профессиональные достижения:
- Реализованные проекты по автоматизации ML-разработки и деплоя.
- Опыт уменьшения времени вывода модели в продакшн на 30% и более.
Soft Skills:
- Системное мышление и навыки решения проблем.
- Коммуникация: умение объяснять технические детали нетехническим коллегам.
- Проактивность, способность приоритизировать задачи в условиях многозадачности.
- Внимание к безопасности и соответствие стандартам (GDPR, ISO).
Условия работы
- Формат: гибрид в Москве (2 дня в офисе) или полностью удаленно.
- ЗП: 220 000–340 000 ₽ на руки (зависит от уровня экспертизы).
- Техника: MacBook Pro / мощный ПК, доступ к GPU/TPU.
- Отпуск: 28 календарных дней, «инновационные дни» для собственных R&D.
Дополнительная информация
- Процесс найма: HR-скрининг, техническое интервью, практическое задание, встреча с руководителем.
- Рост и развитие: путь до Lead ML Engineer или Head of MLOps.
- Комьюнити: участие в внутренних и внешних хакатонах, публикации и митапы.
- Отклик: отправляйте резюме на team@4gic.com с темой "ML Engineer".
