Research Engineer — Agentic Audio ML Workflows

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

Research Engineer в команду AI-аудио-алгоритмов Bose. Задача — строить агентные инструменты и автоматизацию, ускоряющие ML-исследования в аудио и делающие эксперименты воспроизводимыми.

Задачи

• Проектировать и реализовывать агентные workflow, которые планируют, запускают, мониторят, диагностируют и суммируют ML-эксперименты в аудио с контролем со стороны человека
• Автоматизировать подготовку данных, обучение моделей, подбор гиперпараметров, бенчмарки, регрессионное тестирование и сравнение результатов между исследовательскими проектами
• Строить надёжный инструментарий для планирования и учёта загрузки on-prem GPU, трекинга экспериментов, управления артефактами и воспроизводимого запуска
• Подключать LLM-агентов к скриптам, репозиториям, датасетам, наборам оценки и вычислительным ресурсам через чётко определённые инструменты и защитные механизмы
• Совместно с аудио-исследователями превращать повторяющиеся эксперименты в переиспользуемые workflow и понятные дашборды и отчёты

Требования

• Степень в computer science, machine learning, электротехнике или смежной области либо эквивалентный практический опыт
• Сильные навыки software engineering и Python, практический опыт построения LLM-агентов или агентных workflow, вызывающих инструменты и выполняющих многошаговые задачи
• Готовность решать сложные открытые задачи с перебором и отбраковкой множества идей
• Опыт с пайплайнами обучения и оценки ML, PyTorch, трекингом экспериментов и автоматизированным тестированием
• Практический опыт работы с on-prem Linux GPU-машинами: окружения CUDA, контейнеры, планирование задач, мониторинг ресурсов
• Рабочее знание audio ML и DSP: типовые датасеты, аудио-метрики, workflow разработки моделей
• Плюс: опыт с оркестрационными фреймворками, распределённым обучением, CI/CD или MLOps
• Умение строить надёжные наблюдаемые системы и эффективно коммуницировать с research scientists

Навыки

• Python
• LLM agents
• PyTorch
• CUDA
• Linux
• containers
• job scheduling
• ML training pipelines
• experiment tracking
• automated testing
• audio ML
• DSP
• MLOps
• CI/CD
• distributed training