Обязанности:

Развёртывание и обслуживание LLM-моделей с использованием vLLM и Triton Inference Server;
Администрирование GPU-кластера (NVIDIA H200, L4, L40s): распределение ресурсов, мониторинг VRAM, настройка CUDA MPS;
Построение и поддержка CI/CD пайплайнов для AI-сервисов на базе GitLab CI;
Автоматизация деплоя моделей: версионирование, rollback-процедуры, проведение A/B тестов;
Контейнеризация сервисов (Docker, Kubernetes);
Настройка мониторинга GPU-метрик через Prometheus и Grafana;
Мониторинг качества AI-агентов: latency (p50/p95/p99), throughput, деградация метрик;
Работа с реляционными и векторными базами данных;
Настройка миграций БД через Alembic (желательно).
Настройка алертов при деградации сервисов (желательно).

Требования:

Уверенные знания ML-инфраструктуры: vLLM, Triton Inference Server;
Опыт работы с GPU-кластерами NVIDIA, понимание CUDA, MPS, VRAM-менеджмента;
Практический опыт с Do...