О нас
Мы — агрегатор аутстаффинговых проектов и помогаем специалистам находить проекты под их реальный опыт и сильные стороны.
- Помогаем адаптировать резюме под конкретную вакансию и требования заказчика
- Помогаем формировать проектное резюме с акцентом на релевантный опыт
- Автоматически подбираем и отправляем приглашения на новые подходящие вакансии
- Долгосрочное сопровождение специалиста по нескольким проектам
О проекте
Проект в области промышленности. Используемые технологии: ClearML, Docker, CI/CD (GitLab CI / GitHub Actions), Prometheus, Grafana, TensorRT, OpenVINO, CVAT, Kafka (желательно).
Обязанности:
- Развитие текущей MLOps-инфраструктуры для задач компьютерного зрения
- Внедрение и поддержка системы управления экспериментами (в первую очередь ClearML)
- Помощь в построении и поддержке пайплайнов обучения, валидации и деплоя моделей
- Настройка репозиториев для CV-моделей
- Мониторинг качества уже реализованных моделей в продакшене
- Организация сбора, хранения и версионирования данных и моделей
- Интеграция уже развернутого CVAT с корпоративным хранилищем данных
- Оптимизация и ускорение инференса (в том числе с использованием TensorRT / OpenVINO)
- Настройка логирования, алертинга и наблюдаемости экспериментов CV
- Взаимодействие с CV DS и PLOPS командами для стандартизации процессов разработки и деплоя моделей
- Целевое ускорение разработки CV DS команды на 20% после внедрения нового флоу разработки
Требования:
- Опыт работы в роли MLOps от 2–3 лет
- Опыт разработки CV моделей от 1 года
- Опыт построения CV-пайплайнов (training / validation / deployment)
- Практический опыт с инструментами управления экспериментами (ClearML и аналоги)
- Опыт работы с Docker и CI/CD (GitLab CI / GitHub Actions или аналогами)
- Уверенные знания Python
- Опыт работы с Linux на уровне администрирования
- Понимание жизненного цикла CV-моделей и проблематики продакшена (drift, reproducibility, versioning)
- Опыт работы с системами мониторинга (Prometheus, Grafana или аналоги)
- Понимание работы GPU и особенностей инференса моделей на разных бекендах
- Опыт внедрения ClearML с нуля
- Опыт работы с Kubernetes
- Опыт оптимизации моделей (TensorRT, OpenVINO)
- Опыт работы с CV-задачами (детекция, сегментация, видеоаналитика)
- Опыт работы с потоковыми данными (Kafka и аналоги)
Условия:
- Формат работы: Удаленная работа
- Тип занятости: Полная занятость
