Cruitie
Machine Learning Engineer
Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.
ML-инженер в быстрорастущую AI-организацию на стыке исследований и продакшена. Работа над end-to-end пайплайнами для языковых и reasoning-моделей: от прототипирования алгоритмов до деплоя, мониторинга и оптимизации в масштабе.
Задачи
- Совместно с исследовательскими командами внедрять и дорабатывать ML/AI-модели (LLM, мультимодальные, reasoning-агенты)
- Строить надёжные ML-пайплайны: сбор данных, препроцессинг, обучение/файнтюнинг, деплой и мониторинг
- Работать с продакшн-инфраструктурой: контейнеры, распределённые системы, масштабируемые вычисления
- Разрабатывать и деплоить модели в cloud-native окружении (AWS/Azure/GCP) с учётом latency, throughput и надёжности
- Мониторить качество моделей в продакшене: latency, дрейф точности, стоимость, устойчивость
- Отлаживать и оптимизировать системы под масштаб: память, вычисления, стоимость инференса, потоковые данные
- Взаимодействовать с data-инженерами, разработчиками, продуктовыми командами и исследователями
- Следить за последними исследованиями в ML/AI и внедрять улучшения в продакшен
Требования
- M.Sc. или Ph.D. в Computer Science, Electrical Engineering, Mathematics или смежной области (или эквивалентный опыт)
- 3+ года практического опыта внедрения ML/AI-систем в продакшене
- Сильные навыки программирования на Python (опционально C++/Go)
- Опыт с ML-фреймворками (PyTorch, TensorFlow, JAX)
- Подтверждённый опыт деплоя моделей в продакшен (cloud, контейнеры, микросервисы)
- Понимание распределённых вычислений, масштабируемых архитектур и ограничений продакшн-ML
- Понимание ML-операций: мониторинг, дрейф моделей, поддержка после деплоя
- Сильные навыки отладки и оптимизации: производительность, стоимость, latency
- Отличные навыки командной работы и коммуникации
- Плюсом: опыт с большими языковыми моделями, retrieval augmented generation и мультимодальными системами
Навыки
- Python
- C++
- Go
- PyTorch
- TensorFlow
- JAX
- AWS
- Azure
- GCP
- Docker
- Kubernetes
- LLM
- RAG
- multimodal
- distributed systems