Обязанности в production ML описаны ясно и выглядят актуально, но роль объединяет моделирование, MLOps, инфраструктуру, настройку ИИ-агентов и ручную проверку качества, что может быть тяжёлым объёмом для опыта 1-3 года.
Широкий охват
Чёткие задачи
Актуальный стек
Сфера ИИ
Понятные льготы
Мэтч & Сопровод
Покажет вашу совместимость и напишет письмо
Создать профиль и узнать мэтч
Описание вакансии
Текст:
Hirify AI/Оригинал
TL;DR
AI-First ML / MLOps Engineer (Python/PyTorch/MLOps): Разработка, обучение и внедрение ML-моделей и сервисов для финтех-продуктов с акцентом на воспроизводимые MLOps-процессы, речевую аналитику и ИИ-агентов. Focus on автоматизации жизненного цикла моделей, ручной валидации данных и предсказаний, диагностике production-проблем и контроле качества после запуска.
Локация: удалённая работа с возможностью ездить в офис в Москве пару раз в месяц.
Зарплата: 150 000–200 000 RUR в месяц до вычета налогов.
Компания
SNAP IT — российская независимая технологическая компания, создающая программное обеспечение для финтеха и высокотехнологичные решения для банков.
Что делать
Вести ML-задачи: уточнять критерии успеха, анализировать и подготавливать данные, создавать baseline и выбирать подход.
Обучать и оценивать модели, анализировать ошибки, сравнивать решения по качеству, скорости и стоимости, документировать эксперименты.
Автоматизировать подготовку данных, обучение, оценку и развёртывание; версионировать код, данные, модели и конфигурации.
Разрабатывать и сопровождать ML-сервисы, включая инференс, интеграции, CPU/GPU-окружения, тестирование, CI/CD, мониторинг, обновление и откат моделей.
Настраивать ИИ-агентов, их skills, инструкции, workflow, инструменты и безопасный доступ к данным, секретам и вычислительным ресурсам.
Вручную валидировать данные, разметку, предсказания и реальные сценарии в продукте; контролировать качество, задержки, ошибки, ресурсы и изменения входных данных после запуска.
Требования
Уверенный Python и самостоятельная разработка на PyTorch, scikit-learn или аналогичных инструментах; умение писать и отлаживать код подготовки данных, обучения и инференса.
Практический production-опыт развёртывания и сопровождения ML-сервисов, включая API, хранение и версионирование артефактов, воспроизводимость окружений, мониторинг, обновление и откат моделей.
Практические навыки Linux, Docker, Git, тестирования и CI/CD; диагностика проблем производительности, CPU/GPU и памяти.
Практический опыт работы с Codex, Claude Code или аналогами: создание skills и проектных инструкций, настройка контекста, инструментов и безопасных окружений для ML- и инфраструктурных задач.
Опыт с речевой аналитикой.
Готовность самостоятельно проверять код и выводы агентов, вручную анализировать данные и предсказания, проверять реальные сценарии и доводить модель и сервис до согласованного качества.
Опыт: от 1 года до 3 лет.
Хорошо, если есть
Опыт работы с MLflow, DVC, Kubernetes и оркестраторами вычислительных задач.
Опыт оптимизации GPU-инференса, батчинга, квантования и нагрузочного тестирования ML-сервисов.
Опыт работы с диффузионными и авторегрессионными архитектурами для аудио и музыки.
Культура и преимущества
Удалённый формат с обязательной возможностью ездить в московский офис пару раз в месяц.
Оформление в соответствии с ТК РФ.
ДМС и стоматология после окончания испытательного срока.
Предоставление техники, отсутствие бюрократии, прозрачность и быстрое принятие решений.
Уважительное отношение к каждому члену команды и поддержка в значимых событиях.
Будьте осторожны
Если работодатель просит войти в их систему, используя iCloud/Google, прислать код/пароль, запустить код/ПО, не делайте этого. Это мошенники. Обязательно жмите «Пожаловаться» или пишите в поддержку. Подробнее в гайде →