Senior Machine Learning Engineer

Инновационная AI-система с распределённой архитектурой, совмещающая голосовые модели (ASR), компьютерное зрение (CV), edge-инфраструктуру и рекомендательные модули. Проект запускается в партнёрстве с крупной организацией, в закрытом режиме.

Назначение системы и информация о заказчике не раскрываются в публичных вакансиях. Подробности сообщаются только на интервью после подписания NDA.

Задачи ML-инженера:

• Адаптация и дообучение LLM (например, LLaMA, Mistral, YaLM 2) под специфику продукта.

• Реализация пайплайнов ASR, CV и рекомендательных моделей.

• Работа с Whisper, DeepSeek, OpenCV, diffusers, transformers, sentence transformers.

• Тюнинг и оптимизация inference (CPU/GPU), настройка batched обработки.

• Внедрение fallback-механизмов и автоматической маршрутизации между моделями.

• Поддержка синхронизации с RAG и edge-решениями.

• Подготовка выборок и дообучение моделей на кастомных данных.

• Взаимодействие с DevOps, CV и Backend.

Команда:

• Формируется с нуля.

• В паре с DevOps и CTO участвует в построении всех ML-процессов.

• Работа в офисе с понедельника по пятницу (возможны командировки и удалённые сессии по согласованию).

Требования (с метриками):

• 4+ лет опыта в ML, желательно — с реальными проектами в проде.

• Навыки тюнинга моделей на PyTorch, HuggingFace, Transformers.

• Опыт с ASR (Whisper, Whisper.cpp, Silero, Vosk) и CV (OpenCV, MediaPipe, TorchVision).

• Навыки адаптации больших языковых моделей под задачи генерации, рекомендаций, анализа запросов.

• Опыт оптимизации inference и работы с сервингом моделей (FastAPI, Triton, ONNX).

• Умение документировать ML-эксперименты, вести MLflow, анализировать метрики.

• Будет плюсом: опыт работы с edge-вычислениями и системами рекомендаций.

Мы ищем ML-инженера, который:

• Умеет быстро адаптироваться под задачи MVP.

• Самостоятельно предлагает решения и умеет доводить их до релиза.

• Готов экспериментировать с архитектурами, пайплайнами и встраиванием в продукт.

• Командный, вовлечённый, гибкий в коммуникации.

Процесс отбора:

1. Скрининг резюме HR (грейд по шкале 1–5).

1. Техническое интервью с CTO.

1. Финальное интервью с COO и CTO.

1. NDA + оффер.

Временные рамки подбора:

• Старт поиска: сразу после выхода CTO (ориентир — 6–8 июля)

• Первая волна интервью: в течение 7–10 июля

• Цель: закрытие позиции до 12–14 июля