ML-инженер (NLP, LLM, STT, TTS)strong>
#удаленка #200k
Опыт работы: 3–6 лет
Компания: GST
ЗП</strong>: от 150 000 до 200 000 ₽
🔹Мы предлагаем:
-Стабильную белую конкурентную заработную плату
-Оформление на работу по ТК РФ
-Возможность решать интересные задачи, расширять свою экспертизу
-Работу в профессиональной команде
-Минимум бюрократии, гибкая настройка рабочего дня
-ЗП от 150 000 на руки (по результатам собеседования)
Ищем увлеченного ML Engineer для работы над передовыми проектами в NLP, LLM, STT и TTS. Вы будете ключевым членом команды, занимаясь разработкой, развертыванием и оптимизацией ML-моделей для наших инновационных продуктов. Вакансия для тех, кто любит сложные задачи, исследования и видеть результат своей работы в реальном мире.

🔹Чем предстоит заниматься:
-Развертывание и эксплуатация ML-моделей: Production-развертывание, мониторинг, масштабирование и обеспечение стабильной работы нейросетевых моделей (NLP, STT, TTS).
-Разработка и доработка ML-решений: Полный цикл разработки ML-решений, от прототипирования до внедрения и поддержки. Улучшение существующих и разработка новых решений.
-Исследование и разработка новых моделей: Самостоятельное изучение и адаптация новых инструментов, подходов и архитектур для NLP, STT, TTS.
-Оптимизация производительности inference: Повышение эффективности и скорости inference моделей.
-Документирование ML-процессов:** Создание технической документации для обеспечения воспроизводимости и масштабируемости.

🔹Что мы ждем от кандидата:
Технические навыки и опыт
-ML & AI Основы: Глубокое понимание методов ML (обучение с учителем/без учителя/с подкреплением), NLP, глубокого обучения (CNN, RNN, Transformer и др.), оценка качества моделей.
-NLP Модели: Опыт работы с Transformer-based моделями (BERT, RoBERTa, T5 и др.), fine-tuning pre-trained моделей.
-Аудио Модели:Опыт работы с нейросетевыми моделями для работы с речью (STT, TTS, VAD, Diarization), включая современные архитектуры (Zipformer, Wav2Vec, Whisper, VITS и др.). Понимание принципов STT/TTS систем.
-Python Программирование: Экспертное знание Python, включая асинхронный код, фоновые задачи, очереди задач. Библиотеки: PyTorch (или TensorFlow), ONNX, Scikit-learn, Pandas, NumPy. Тестирование кода, Git, code review, CI/CD.
-Inference-сервисы: Опыт разработки и развертывания inference-сервисов с использованием фреймворков (FastAPI, vLLM, Sherpa-ONNX, TensorRT и др.). Понимание масштабируемости и отказоустойчивости.
-Контейнеризация и оркестрация:Docker (обязательно), Kubernetes (желательно).

🔹Решение проблем и аналитическое мышление:
-Декомпозиция сложных задач на ML задачи.
- Выбор оптимального подхода к решению задач (ML или эвристики/статистика).
- Отладка и оптимизация inference моделей.
- Анализ результатов экспериментов и улучшение моделей.

Будет плюсом:
- MLOps: Управление жизненным циклом ML-моделей, автоматизация.
- ML-пайплайны: Построение и интеграция end-to-end пайплайнов.
- Оценка и мониторинг качества моделей: использование автоматизированных инструментов оценки качества моделей.
- LLM: Понимание принципов работы LLM, опыт inference, оптимизации, RAG.
- Векторные БД: Опыт работы с векторными базами данных для RAG.
- Мониторинг ML-систем: Использование Prometheus, Grafana, MLflow Monitoring.
- SQL и БД: Навыки SQL и опыт работы с базами данных.
- CI/CD: Настройка CI/CD для ML-приложений.
- Опыт оркестрации k8s ML сервиса
- Опыт работы с cuda+docker или cuda+docker+k8s
- Open Source: Участие в Open Source проектах по NLP/STT/TTS.

🔹Обязательные навыки:
Машинное обучение
Python
Docker
Git
Опыт работы с любой облачной платформой (Yandex Cloud, AWS, GCP, Azure)
Контакты: %contact_placeholder%

⬇️ Другие каналы IT-вакансий:
@best_itjob
@it_rab

ML-инженер (NLP, LLM, STT, TTS)