Описание
SNAP IT - российская независимая технологическая компания. Мы представители самой технологичной и стремительно эволюционирующей индустрии IT. Создаем ПО для ФинТеха. Топовые банки уже доверили нам самые сложные высокотехнологичные проекты. Мы верим, что роботизация бизнеса - это будущее, которое наступило уже сегодня. Ищем инженера, который совмещает прикладную ML-разработку и MLOps: умеет работать с данными и моделями, организовать воспроизводимый процесс и довести решение до стабильной работы в production с помощью ИИ-агентов.
Задачи
•Уточнять задачу и критерии успеха, анализировать и подготавливать данные, создавать baseline и выбирать подход.
•Обучать или дообучать модели, анализировать ошибки, сравнивать решения по качеству, скорости и стоимости.
•Документировать результаты экспериментов и ограничения выбранного подхода.
•Автоматизировать подготовку данных, обучение, оценку и развёртывание; версионировать данные, код, модели и конфигурации. Обеспечивать повторяемость экспериментов и сборок.
•Создавать сервисы инференса и интеграции с продуктом, настраивать окружения CPU/GPU, тестирование, CI/CD, мониторинг, обновление и откат моделей.
•Создавать skills, проектные инструкции и workflow. Подключать инструменты и документацию, контролировать доступ к данным, секретам и вычислительным ресурсам, проверять подготовленный агентами код.
•Вручную проверять данные и разметку на выборках, анализировать предсказания и ошибки модели, исследовать проблемные сценарии. Не ограничиваться сводными метриками.
•Лично проходить реальные сценарии в развёрнутом продукте, проверять интеграции и нагрузочные характеристики. Диагностировать проблемы данных, модели, сервиса и инфраструктуры.
•Следить за качеством, задержками, ошибками, потреблением ресурсов и изменениями входных данных. Исследовать отклонения, устранять проблемы и проверять результат исправлений.
Требования
•Уверенный Python, опыт PyTorch и/или scikit-learn либо аналогичных инструментов.
•Умение читать, писать и отлаживать код подготовки данных, обучения и инференса, а не только запускать готовые примеры.
•Практический опыт развёртывания и сопровождения ML-сервисов. Понимание API, хранения и версионирования артефактов, воспроизводимости окружений, мониторинга, обновления и отката моделей.
•Практические навыки Linux, Docker, Git, тестирования и CI/CD. Умение диагностировать проблемы производительности, использования CPU/GPU и памяти.
•Практический опыт Codex, Claude Code или аналогов; создание skills и проектных инструкций, настройка контекста, инструментов и безопасных окружений под ML- и инфраструктурные задачи.
•Готовность самостоятельно проверять код и выводы агентов, вручную анализировать данные и предсказания, проверять реальные сценарии и доводить модель и сервис до согласованного качества.
Будет плюсом
•Опыт MLflow, DVC, Kubernetes и оркестраторов вычислительных задач.
•Опыт оптимизации GPU-инференса, батчинга, квантования и нагрузочного тестирования ML-сервисов.
•Хорошее понимание ASR, TTS, DSP ML, speech & audio processing; понимание трансформеров, attention-механизмов, KV-cache, diffusion.
•Опыт работы с диффузионными и авторегрессионными архитектурами для аудио/музыки.
Условия
•Формат работы: удалённый. Важно иметь возможность пару раз в месяц ездить в офис в Москве.
•Оформление в соответствии с ТК РФ.
•ДМС+стоматология после окончания испытательного срока.
•Предоставление техники.
•Отсутствие бюрократии, прозрачность, быстрое принятие решений, а также уважение к каждому члену команды.
•Поддержка в значимых событиях.
