Middle ML-инженер

Описание

Филиал АО Концерн Вега в Санкт-Петербурге крупнейший интегратор научно-технических и производственных ресурсов в области создания космических и воздушных информационных систем наблюдения.
Основными направлениями нашей деятельности являются системы удалённого управления и автоматического анализа данных от комплексов дистанционного зондирования земли.

Нашими заказчиками являются силовые структуры и крупнейшие предприятия топливно-энергетического комплекса Российской Федерации.

Чем предстоит заниматься:

• участие в исследованиях и разработке геоинформационных систем с элементами ML/CV/LLM в качестве ML-инженера;

• разработка и поддержка библиотек/сервисов для подготовки данных, обучения моделей и инференса;

• проверка гипотез по улучшению качества моделей и скорости обучения/инференса;

• первичный анализ данных в рамках предпроектного обследования;

• консультирование по ML-специфике других команд компании (разметчики данных, системные аналитики, devops, backend, frontend и тд).

Условия работы:

• стабильный поток проектов по ML-тематике;

• современное оборудование рабочего места (i7, 64Gb, RTX 40 серии);

• собственный серверный кластер для обучения моделей;

• регулярный пересмотр заработной платы по мере профессионального развития;

• молодой коллектив;

• минимум бумажной работы;

• ДМС после испытательного срока;

• работа в офисе компании без удаленки.

Уровень заработной платы будет зависеть от опыта и навыков.

Для нас будет важным:

• опыт участия в коммерческих проектах по тематике ML, CV, LLM;

• опыт командной разработки ПО;

• готовность решать задачи в изолированном контуре компании без доступа к ChatGPT, pypi, docker.io и т.д;

• уверенные навыки работы с CLI Linux, bash, ssh, Docker, Git, VSCode, Jupyter;

• опыт работы с библиотеками Pytorch, Pandas, Numpy, Shapely, Scikit-learn, ONNX, Albumentation, FastAPI, TensorRT, Plotly, LangChain, LangGraph;

• опыт превращения моделей в сервисы и библиотеки на Python, хорошие навыки анализа и отладки кода;

• знакомство с основными архитектурами нейросетей;

• знакомство с техниками обучения моделей;

• знание моделей и метрик ML/CV/LLM, понимание как их использовать на практике;

• опыт доработки/модификации Open Source моделей;

• опыт организации распределенных вычислений;

• опыт в MLOps;

• английский на уровне свободного чтения документации и форумов для сбора технической информации;

• опыт анализа и реализации алгоритмов из англоязычных научных статей;

• высшее образование в области технических наук, физики или математики;

• готовность к редким командировкам.