ML-инженер (Python · PyTorch · fine-tuning )

Навыки: Машинное обучение, Linux, PyTorch, Python, SQL. Квалификация: Middle. Специализации: ML разработчик.

Компания \"Урал Логистика\" - надежный партнер в области транспортно-экспедиционных услуг перевозки грузов железнодорожным транспортом. Приглашаем в нашу команду ML-инженера, для участия в создании собственной системы обработки документов и данных для грузовых железнодорожных перевозок и связанных услуг.

Чем предстоит заниматься:

• Строить конвейеры подготовки данных: сбор, очистку, нормализацию, дедупликацию и разметку
• Формировать обучающие, валидационные и независимые оценочные выборки, контролировать утечки и пересечения
• Создавать baseline для задач извлечения, классификации, определения сущностей и связей
• Дообучать модели, готовить инструктивные наборы, обучать адаптеры и сравнивать результаты с базовыми моделями
• Определять метрики, стратифицировать выборки и анализировать ошибки по типам документов, сценариям и полям
• Работать с извлечением сущностей и связей для построения и обновления графового представления данных
• Разворачивать локальный inference и оптимизировать его под доступную инфраструктуру
• Работать с tensor parallelism, batching, длиной контекста, GPU-памятью и квантованием
• Измерять задержку, пропускную способность, утилизацию и стоимость обработки документа
• Версионировать данные, модели, конфигурации обучения и результаты экспериментов
• Участвовать в интеграции моделей с прикладными AI-сервисами и production-конвейерами

Наши пожелания к кандидату:

• Рассматриваем кандидатов уровня middle+ и выше
• Практический опыт построения ML-конвейеров, которые используются в production
• Уверенное владение Python, PyTorch и Hugging Face Transformers
• Практический опыт fine-tuning языковых моделей, подготовки данных и работы с PEFT
• Умение строить корректную оценку качества и контролировать утечки между обучающими и тестовыми данными
• Опыт локального inference LLM и понимание устройства GPU-памяти
• Знание компромиссов между качеством, скоростью, длиной контекста, batching и квантованием
• Linux, CUDA, SQL, Docker и Kubernetes
• Способность выйти за пределы notebook и довести модельное решение до устойчивой эксплуатации

Стек: Python, PyTorch, Hugging Face Transformers, PEFT, pandas, SQL, PostgreSQL, Airflow или аналог, MLflow или аналог, vLLM, CUDA, Docker, Kubernetes.

Формат сотрудничества:

• Полная занятость и возможность трудоустройства через российское юридическое лицо в штат или через согласованную аутстафф-модель
• Основной формат — офис или гибрид. Для самостоятельных специалистов возможна распределённая работа из России
• Итоговый грейд и масштаб ответственности определяются по результатам собеседования.