Ameriabank CJSC
Армения
Индустрия:
Финансы/Банк/Страхование
Количество сотрудников:
500-1500
Тип компании:
ОАО/ЗАО/ООО
MLOps инженер_Сквод MLOps платформы
Полная ставка
Ереван
20 Ноябрь 2026
Условия контракта Постоянный
Категория Анализ данных
Описание работы
Разработка и эксплуатация современной локальной платформы DataOps и машинного обучения для команд инженеров и специалистов науки о данных. Платформа основана на Kubernetes и поддерживает масштабируемые, высокодоступные рабочие нагрузки в системах обработки данных, аналитики и машинного обучения. Эта должность объединяет инженерные навыки DevOps, разработку современных «озерных» хранилищ данных и поддержку MLOps.
Обязанности
- Проектирование, развертывание и эксплуатация кластеров Kubernetes (локально) в реальной среде с акцентом на высокую доступность, масштабируемость и развертывание без сбоев/простоев
- Управление диаграммами Helmи ArgoCD для непрерывного обслуживания рабочих нагрузок платформы и приложений на основе GitOps
- Создание и поддержка конвейеров CI/CD в Azure DevOps для автоматизированного тестирования и развертывания в сервисах данных и машинного обучения
- Проектирование и поддержка современного озера данных с использованием форматов открытых таблиц (Iceberg) на локальных и гибридных хранилищах
- Создание, планирование и мониторинг масштабируемых пакетных и потоковых конвейеров с использованием Apache Airflow, Apache Spark и Apache Flink
- Развертывание и эксплуатация Trino и ClickHouse в качестве механизмов запросов для аналитики в озере данных
- Развертывание и эксплуатация JupyterHub и Dagster на Kubernetes для экспериментов в области машинного обучения и управления рабочими процессами
- Управление Feature Store (Feast / PostgreSQL) и хранилищем данных на основе Parquet для рабочих нагрузок машинного обучения
- Тесное сотрудничество с командами науки о данных и инженеров данных для внедрения рабочих процессов машинного обучения в реальную среду и подключения новых источников данных
Требования
- Опыт проектирования и управления кластерами Kubernetes с нуля (предпочтительно в локальной среде)
- Опыт работы с Helm и ArgoCD для доставки приложений в средах Kubernetes на основе GitOps
- Опыт создания конвейеров CI/CD с использованием Azure DevOps
- Опыт работы с Apache Airflow, Apache Spark и Apache Flink для управления конвейерами и их обработки
- Опыт работы с Trino или ClickHouse в качестве распределенных механизмов обработки запросов
- Опыт работы с dbt для преобразования и моделирования данных
- Знание современных форматов открытых таблиц (Iceberg)
- Знание шаблонов озер данных на основе Dagster, JupyterHub, Feast или Parquet является преимуществом
