MLOps-инженер (Computer Vision / Generative AI)

Центр исследования и разработки беспилотного транспорта - команда профессионалов работающих над внедрением инновационных решений, а также повышением эффективности и безопасности городского транспорта в Москве.

ОБЯЗАННОСТИ

Управление данными и автоматизация (Core MLOps)

• Построение end-to-end процессов работы с видеоданными: от сбора с edge-устройствдо подготовки финальных датасетов для обучения моделей
• Интеграция инструментов разметки (CVAT) с S3-хранилищем и ClearML, автоматизация обмена данными и статусов задач разметки
• Автоматизация процессов Active Learning: выборка данных для доразметки, формирование заданий, обновление датасетов
• Анализ и улучшение производительности пайплайнов работы с данными (скорость обработки, стоимость хранения, стабильность)

Генеративный AI и Синтетические данные

• Развертывание и сопровождение генеративных моделей на GPU-серверах (например, диффузионные модели для генерации изображений)
• Построение пайплайна генерации синтетических изображений для дообучения нейронных сетей (Data Augmentation / Synthetic Data Generation)
• Организация хранения и учёта сгенерированных данных (метаданные, версии, параметры генерации)

Оптимизация моделей под целевую платформу:

• Квантизация, pruning, сжатие

Разработка и обучение новых моделей детектора:

• Подбор и внедрение современных архитектур
• Настройка пайплайна обучения, валидации, тестирования

ТРЕБОВАНИЯ

• Опыт работы с современными генеративными моделями (диффузионные модели, GAN)
• Опыт в MLOps / Data Engineering: уверенное владение Python, опыт написания скриптов автоматизации
• Работа с ML-инфраструктурой: уверенный опыт использования ClearML
• Опыт построения пайплайнов обработки данных (желательно — видеоданных): скачивание, конвертация, нарезка, аугментации, контроль качества
• Уверенная работа в Linux-среде
• Уверенный Python, опыт с PyTorch/TensorFlow
• Практический опыт обучения, тюнинга и квантизации моделей

БУДЕТ ПЛЮСОМ

• Опыт развёртывания и оптимизации генеративных моделей
• Опыт работы с Active Learning, semi-supervised/self-supervised подходами в контексте данных компьютерного зрения
• Понимание типичных задач CV (детекция, трекинг, сегментация) и требований к датасетам для них

УСЛОВИЯ

• Трудоустройство и работа в соответствии с ТК РФ
• Бесплатный проезд в столичном метро
• Бесплатный проезд по железным дорогам в пригородном сообщении от места жительства до места работы и обратно в пределах Московской области
• Льготы на отдых в оздоровительном комплексе метрополитена
• Детский оздоровительный лагерь и детский клуб
• Финансовые условия обсуждаем индивидуально в зависимости от опыта кандидата