DataOps Intern

Контекст

Команда Data Platform управляет инфраструктурой, от которой зависят AI, ML и рабочие нагрузки данных в Tabby: вычисления, оркестрация, развертывание, наблюдаемость и контроль затрат в облачных средах. Работа находится на стыке классического DevOps и машинного обучения. Те же кластеры, конвейеры и мониторинг, которые поддерживают работу сервиса, также поддерживают обучение, обслуживание и измерение моделей.

Стажировка предназначена для сильных инженеров начального уровня, которые уверенно работают в Linux и облаке, и уже используют AI‑инструменты в своей работе, а не только читают о них. Стажёры присоединяются к команде, работают над реальной производственной инфраструктурой под руководством старших специалистов и с первого дня должны соответствовать инженерным стандартам.

Ключевые обязанности

Что вы будете делать

Это не роль помощника или закрытия тикетов. Стажёры работают над реальными производственными задачами под руководством старших специалистов.

• Работа с облачной инфраструктурой (в основном GCP) и с bare‑metal флотом, который размещает наши данные, ML и AI рабочие нагрузки
• Создание и поддержка CI/CD конвейеров для сервисов и моделей
• Запуск и отладка контейнеризованных рабочих нагрузок в Kubernetes
• Настройка и улучшение мониторинга, алертинга и логирования, а также реагирование на их результаты
• Автоматизация повторяющихся операционных задач с помощью Python или Bash вместо их ручного выполнения
• Поддержка рабочих нагрузок обучения и вывода моделей: окружения, ресурсы, развертывание, стоимость
• Расследование инцидентов в инфраструктуре и конвейерах и помощь в поиске корневых причин
• Повышение надежности и экономичности платформы
• Работа в соответствии с регулятивными требованиями SAMA: в саудовском финтехе, где расположение данных и доступ к ним являются частью инженерной задачи, а не бумажной работы другого отдела

Требования

• Твердые основы Linux: файловая система, процессы, права, базовые сетевые знания, уверенное использование оболочки
• Практический опыт работы хотя бы с одним облачным провайдером, подтвержденный реальным построением или развертыванием. Мы работаем в GCP, поэтому опыт GCP наиболее полезен, но опыт AWS или Azure также учитывается: концепции переносятся, и мы предпочли бы человека, который действительно построил что‑то в облаке, а не просто кликал в нашем
• Понимание сетей: DNS, основы TCP/IP, балансировка нагрузки, что происходит между запросом и сервисом
• Практические знания контейнеров и достаточный уровень Kubernetes для развертывания и отладки нагрузки
• Знакомство с концепциями мониторинга и наблюдаемости: метрики, логи, алерты и что делает алерт полезным
• Умение использовать Python или Bash для автоматизации операционных задач
• Опыт работы с Git и стандартными процессами разработки
• Реальное, текущее использование AI‑инструментов в собственной инженерной работе: какие инструменты, для чего, и информированное мнение о том, какие модели подходят для каких задач. Мы предпочитаем честное сравнение, а не список названий
• Структурированное мышление и внимание к точности
• Открытость к конструктивной обратной связи
• Достаточный уровень английского для документации и коммуникации в команде

Преимущества

• Инфраструктура как код (Terraform или аналог)
• Опыт полного цикла CI/CD системы (GitLab CI, GitHub Actions или аналог)
• Практический стек наблюдаемости: Prometheus, Grafana или их эквиваленты
• Знакомство с MLOps инструментами: отслеживание экспериментов, реестры моделей, хранилища признаков, сервисы вывода
• Опыт самостоятельного запуска открытой модели (на ноутбуке, арендованном GPU, любом устройстве) и умение объяснить, как работают LLM, а не только какой API был вызван
• Любой опыт работы с GPU нагрузками или с их стоимостью
• Интерес к дизайну платформ и опыту разработчиков

Преимущества работы

• Шесть месяцев, начиная с осени 2026 года
• Оплачиваемая стажировка, финансируемая Tabby
• Полная интеграция в инженерную команду
• Распределённая инженерная команда в нескольких странах
• Возможность перехода на младшую позицию в платформенной части после стажировки. Это наш намерение и цель, но не гарантия: всё зависит от результатов стажировки