Middle MLOps / Recsys

Мы - команда MLOps в отделе Рекомендаций. Именно с помощью Рекомендаций в WB совершается более трети всех покупок. Наша команда по-своему уникальна, так как очень тесно связана с бизнес- продуктами, которые выводятся на реальных пользователей с помощью наших технологий (самый яркий пример - продукт Поиск по фото).

Над алгоритмами и продуктами рекомендаций трудится большое количество DS/ML специалистов, которым необходимо предоставить все условия, чтобы их процесс разработки от идеи до выкатки в prod был удобным, понятным, быстрым и безопасным.

Для организации этого процесса мы разрабатываем и внедряем различные инструменты, а также выстраиваем ML инфраструктуру - как для ресерча, так и для продовых запусков.

Развивать существующие MLOps инструменты, утилиты и библиотеки, повышать их надежность, внедрять новые "фичи"; Помогать DS'ам в создании пайплайнов и сервисов в production среде (помощь в продуктивизации), оптимизировать их производительность; Внедрять MLOps инструменты для автоматизации процессов жизненного цикла ML-моделей; Проводить юнит / интеграционное / нагрузочное тестирование для сервисов / ML моделей перед выкаткой в production; Развивать системы мониторинга и логирования ML решений; Повышать качество внешней и внутренней документации по нашим продуктам. Владение Python на продвинутом уровне; Опыт на аналогичной позиции от 3 лет; Опыт деплоя в production с помощью Kubernetes / Docker; Опыт выстраивания CI/CD пайплайнов (Gitlab CI/CD) и продвинутый опыт использования VCS (Git); Знания и опыт в оптимизации ML моделей для инференса; Опыт работы с фреймворками для инференса ML/LLM моделей (Triton Nvidia Inference Server, vLLM); Знание различных современных DS/ML фреймворков на уровне запуска локальных моделей (Polars, PyTorch, Transformers); Знание библиотек для веб-разработки: asyncio, FastAPI, Celery (SAQ); Знакомство с компонентами мониторинга и логирования (Thanos, Grafana, OpenSearch); Понимание современных алгоритмов машинного обучения и жизненного цикла ML модели; Практический опыт использования / внедрения с дальнейшей эксплуатацией MLOps инструментов - Airflow, Dagster, Argo Workflows, Prefect, Flyte, MLFlow, DVC, LakeFS, Seldon Core, KubeFlow.