Мы строим платформу для интеллектуального анализа видео-контента и извлечения признаков (CV + NLP), которая превращает библиотеку из 100 000+ видеороликов в структурированные, индексируемые и поисковые данные.Платформа покрывает полный цикл обработки видео: извлечение кадров, аудио и метаданных, детекцию, трекинг, сегментацию, OCR, ASR, построение семантических эмбеддингов, индексирование и поиск по фичам.
Сейчас мы ищем ML Engineer, который будет играть ключевую роль в развитии ML-части платформы — от экспериментов с моделями до продакшн-сервисов.
Чем вы будете заниматься:
Разрабатывать и поддерживать production-ready Python-код (PEP8, type hints, unit tests, CI/CD).
Проектировать и проводить ML-эксперименты: постановка гипотез, логирование, репликация результатов.
Анализировать ML-метрики и принимать решения по улучшению качества моделей.
Проводить сравнительный анализ моделей и выбирать оптимальные решения по качеству, латентности и потреблению ресурсов.
Интегрировать ML-модели в сервисы (REST / gRPC), участвовать в деплое и мониторинге.
Оптимизировать инференс: профилирование, batching, квантизация, ONNX, TensorRT, ускорение на CPU/GPU.
Участвовать в проектировании архитектуры ML-систем и пайплайнов.
Проводить code review, менторить инженеров, делиться экспертизой.
Настраивать экспериментальные и продакшн-пайплайны: CI/CD для моделей, мониторинг качества в проде.
Мы ожидаем, что вы:
Отлично владеете Python и придерживаетесь принципов чистого кода (linters, type hints, тесты).
Имеете глубокий опыт работы с PyTorch и production-файнтьюном моделей.
Работали с задачами Computer Vision и/или NLP в реальных проектах.
Хорошо понимаете ML-метрики (precision/recall/F1, AUC, BLEU/ROUGE и др.) и умеете их интерпретировать.
Имеете опыт упаковки моделей в сервисы (REST/gRPC), знакомы с Docker и контейнеризацией.
Уверенно пользуетесь Git.
Занимались оптимизацией инференса (профилирование, квантизация, ONNX, TensorRT или аналоги).
Имеете опыт разработки ~5+ лет, из них 3+ года в ML / PyTorch.
Умеете доводить ML-решения от исследования до продакшна.
Будет плюсом:
Опыт в MLOps: CI/CD для моделей, мониторинг (Prometheus, Grafana), data drift detection.
Опыт работы с Kubernetes и оркестраторами.
Опыт использования систем очередей и асинхронной обработки.
Опыт работы с большими объёмами видео- или мультимедийных данных.
Мы предлагаем:
Работа над масштабной ML-платформой с реальными production-нагрузками.
Возможность влиять на архитектуру и технические решения.
Современный стек и поддержка инфраструктурных команд (DevOps / MLOps).
Профессиональная команда, обмен знаниями и развитие экспертизы.
Официальное трудоустройство, ДМС и корпоративные льготы.
