The talented ICVR team is looking for a Python/Machine Learning Engineer to work on an ambitious and technically challenging new project!
What to do:— Research, configure and implement large language models (LLM);
— 2D, 3D generation using open-source and proprietary solutions;
— Combine several ML/CV/LLM tools into a single pipeline to solve a specific problem;
— Research, develop and train deep learning models to perform visual tasks (e.g. detection, segmentation, generation, etc.);
— Create and implement a technical vision stack, participate in setting up the architecture of neural networks;
— Read, analyze and implement articles on ML;
— Participate in brainstorming and research meetings of the team;
Necessary skills:— Ability to analyze and decompose a problem, advanced skills in searching and checking information;
— Ability to understand legacy/open-source code and understand what needs to be improved/added/removed so that the solution meets the task;
— Experience in preparing data and training models for various tasks (detection, segmentation, generation);
— Skills in testing and debugging algorithms and computer vision models;
— Broad knowledge and experience in using various frameworks and libraries for training and inference models;
— Culture of conducting experiments and testing hypotheses;
— Implementation of articles on computer vision;
— Strong experience in developing, creating prototypes and implementing advanced algorithmic solutions;
— Confident knowledge of Python;
— High learning ability and adaptation to new technologies;
— Ability to work in a team and communicate effectively with colleagues;
Will be a plus:— Experience with image generation tools (ComfyUI, Automatic1111, Forge, Fooocus).
— Knowledge of cloud platforms such as AWS, Google Cloud or Azure for deploying and scaling models;
— Experience with version control systems (e.g. Git);
— Knowledge of the basics of DevOps and containerization (Docker);
— Experience in frontend/backend development.
— Experience in developing microservice architecture.
Why Work With us?— Work on cool projects on a global scale;
— The opportunity to grow in a team of strong professionals;
— Absence of formalism and bureaucracy;
— Mandatory operational feedback on results.
Dear candidates, one of the stages of recruitment involves a short test assignment. Что предстоит делать:
— Исследовать, настраивать и внедрять большие языковые модели (LLM);
— 2D, 3D-генерация с использованием открытых и проприетарных решений;
— Объединять несколько инструментов ML/CV/LLM в единый конвейер для решения конкретной задачи;
— Исследовать, разрабатывать и обучать модели глубокого обучения для выполнения визуальных задач (например, обнаружение, сегментация, генерация и т. д.);
— Создание и внедрение технического стека видения, участие в настройке архитектуры нейронных сетей;
— Чтение, анализ и внедрение статей по ML;
— Участие в мозговых штурмах и исследовательских встречах команды;
Необходимые навыки:
— Умение анализировать и разбивать проблему на составляющие, навыки поиска и проверки информации;
— Умение понимать код legacy/open-source и понимать, что нужно улучшить/добавить/удалить, чтобы решение соответствовало задаче;
— Опыт подготовки данных и обучения моделей для различных задач (обнаружение, сегментация, генерация);
— Навыки тестирования и отладки алгоритмов и моделей компьютерного зрения;
— Широкие знания и опыт использования различных фреймворков и библиотек для обучения и инференции моделей;
— Культура проведения экспериментов и тестирования гипотез;
— Реализация статей по компьютерному зрению;
— Сильный опыт в разработке, создании прототипов и реализации передовых алгоритмических решений;
— Уверенное знание Python;
— Высокая способность к обучению и адаптации к новым технологиям;
— Умение работать в команде и эффективно общаться с коллегами.
Будет плюсом:
— Опыт работы с инструментами генерации изображений (ComfyUI, Automatic1111, Forge, Fooocus).
— Знание облачных платформ, таких как AWS, Google Cloud или Azure, для развертывания и масштабирования моделей;
— Опыт работы с системами контроля версий (например, Git);
— Знание основ DevOps и контейнеризации (Docker);
— Опыт разработки фронтенда/бэкенда.
— Опыт разработки микросервисной архитектуры.
