Remote | ML Engineer — $100–$150/hour

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Part-time консалтинговая позиция для опытных ML-инженеров и исследователей в проекте по обучению продвинутых AI-моделей: разработка, обучение и инференс систем, численные вычисления, оптимизация производительности и Python-based ML-инжиниринг.

Задачи

• Разрабатывать и валидировать модели машинного обучения, пайплайны обучения, системы инференса и поддерживающую инфраструктуру
• Реализовывать компоненты моделей, пайплайны данных, системы оценки и численные методы
• Строить воспроизводимые технические workflow на Python и с использованием командной строки
• Работать с тензорными операциями, автоматическим дифференцированием, архитектурами моделей, токенизацией, батчингом и генерацией
• Оптимизировать процессы обучения и инференса по latency, throughput, потреблению памяти и эффективности железа
• Диагностировать численную нестабильность, некорректное поведение тензоров, узкие места по памяти и регрессии производительности
• Анализировать системные сбои при выполнении моделей и в поддерживающей инфраструктуре
• Сравнивать альтернативные реализации и определять корректность, воспроизводимость и эффективность результатов
• Оценивать компромиссы между вычислениями, памятью, численной точностью и производительностью модели
• Ревьюить AI-сгенерированный код, реализации и технические решения на корректность и инженерное качество
• Выявлять ошибки реализации, неэффективные подходы, слабые допущения и проблемы воспроизводимости
• Проектировать объективные тесты, бенчмарки и критерии верификации
• Давать понятные письменные объяснения технических решений, ограничений и рекомендаций по улучшению
• Работать с современными ML-фреймворками, численными библиотеками и инструментами инференса
• Отлаживать ML-системы на уровне глубже поверхностного использования API
• Документировать решения по реализации, компромиссы по производительности и режимы отказов
• Поддерживать строгие и воспроизводимые инженерные практики в рамках поставленных задач

Требования

• Магистратура или PhD в Computer Science, Machine Learning, Artificial Intelligence, прикладной математике, статистике, инженерии или смежной количественной дисциплине
• Сильный профессиональный или исследовательский опыт в машинном обучении
• Практическое владение Python
• Опыт работы минимум с двумя релевантными ML-фреймворками, численными библиотеками или инструментами инференса
• Сильное понимание обучения моделей, оценки, численных вычислений или систем инференса
• Умение отлаживать ML-системы на уровне глубже высокоуровневого использования API
• Умение понятно объяснять решения по реализации, компромиссы по производительности и режимы отказов
• Опыт построения воспроизводимых технических и программных workflow
• Релевантные инструменты: PyTorch, JAX, NumPy, SciPy, SGLang, vLLM, llama.cpp, Hugging Face Transformers, Hugging Face Tokenizers или аналогичные технологии
• Опыт работы в известной технологической компании, AI-лаборатории, исследовательской организации или признанной инженерной среде (сильно предпочтительно)
• Исключительный опыт в open-source или академической сфере также может подойти

Условия

• Part-time контракт как независимый подрядчик
• Полностью удалённо, открыто по всему миру
• Примерно 15 часов в неделю
• Гибкий график, включая выбор рабочих дней и часов
• Оплата: $100–$150 в час
• Оплата за результат, выплаты за задачи, соответствующие спецификациям проекта
• Время выполнения задач может варьироваться в зависимости от технической сложности, опыта и workflow
• Действуют минимальные требования к сдаче работ
• Готовность приступить к первой задаче в течение примерно 24–48 часов после онбординга
• Процесс отбора может включать скрининговые вопросы, AI-интервью примерно на 30 минут, техническую оценку при необходимости и ревью нанимающего менеджера
• Работа должна выполняться без использования конфиденциальной или проприетарной информации любого работодателя, клиента, учреждения или третьей стороны

Навыки

• Python
• PyTorch
• JAX
• NumPy
• SciPy
• SGLang
• vLLM
• llama.cpp
• Hugging Face Transformers
• Hugging Face Tokenizers
• Machine Learning
• Inference
• Training pipelines
• Performance optimisation
• Numerical computing