Описание
Команда разрабатывает AI-приложения и решения в области машинного обучения, которые закрывают бизнес-потребности и обеспечивают работу нового поколения AI-приложений.
Задачи
•Проектировать, реализовывать и оптимизировать модели машинного обучения и AI для классификации, регрессии, кластеризации и тюнинга агентов
•Экспериментировать с методами, фреймворками и архитектурами для повышения производительности и эффективности моделей
•Разрабатывать масштабируемые ML-пайплайны для обучения, валидации и инференса
•Развёртывать ML-модели в облачных или on-premise продакшн-средах, обеспечивая надёжность, низкую задержку и масштабируемость
•Применять практики MLOps, включая CI/CD, мониторинг, автоматическое переобучение и управление реестром моделей
•Сотрудничать с командами data engineering для получения, очистки и трансформации датасетов для обучения и инференса моделей
•Обеспечивать качество данных, выполнять feature engineering и поддерживать интеграцию данных в реальном времени
•Согласовывать ML-решения с бизнес-целями совместно с data scientists, software engineers и продакт-менеджерами
•Доносить технические результаты до технических и нетехнических стейкхолдеров
•Предоставлять техническое наставничество младшим ML-инженерам и data scientists
•Вносить вклад в лучшие практики команды, код-ревью и архитектурные решения
Требования
•5+ лет профессионального опыта в машинном обучении, AI engineering или смежных областях
•Степень магистра в области компьютерных наук, машинного обучения, физики или смежной области
•Владение Python и ML-фреймворками, такими как TensorFlow, PyTorch и Scikit-learn
•Глубокое понимание алгоритмов, статистики, вероятности и линейной алгебры
•Практический опыт работы с пайплайнами данных и ETL-инструментами, такими как Spark, AWS Lambda и AWS Glue
•Практический опыт работы с облачными платформами, предпочтительно AWS
•Крепкие основы software engineering, включая системы контроля версий (Git), тестирование и паттерны проектирования
•Подтверждённый опыт развёртывания ML-моделей в продакшн в большом масштабе
•Знакомство с инструментами MLOps, такими как MLflow, Kubeflow, SageMaker или Vertex AI
•Отличные аналитические, проблемно-решающие и коммуникационные навыки
•Способность работать автономно и в команде в быстро меняющейся, кросс-функциональной среде
Будет плюсом
•PhD
•Опыт работы с агентными фреймворками, такими как LangChain или LangGraph
Условия
Условий в вакансии нет
