ML-инженер (Python · PyTorch · fine-tuning )

Компания "Урал Логистика" - надежный партнер в области транспортно-экспедиционных услуг перевозки грузов железнодорожным транспортом. Приглашаем в нашу команду ML-инженера, для участия в создании собственной системы обработки документов и данных для грузовых железнодорожных перевозок и связанных услуг. Чем предстоит заниматься: - Строить конвейеры подготовки данных: сбор, очистку, нормализацию, дедупликацию и разметку - Формировать обучающие, валидационные и независимые оценочные выборки, контролировать утечки и пересечения - Создавать baseline для задач извлечения, классификации, определения сущностей и связей - Дообучать модели, готовить инструктивные наборы, обучать адаптеры и сравнивать результаты с базовыми моделями - Определять метрики, стратифицировать выборки и анализировать ошибки по типам документов, сценариям и полям - Работать с извлечением сущностей и связей для построения и обновления графового представления данных - Разворачивать локальный inference и оптимизировать его под доступную инфраструктуру - Работать с tensor parallelism, batching, длиной контекста, GPU-памятью и квантованием - Измерять задержку, пропускную способность, утилизацию и стоимость обработки документа - Версионировать данные, модели, конфигурации обучения и результаты экспериментов - Участвовать в интеграции моделей с прикладными AI-сервисами и production-конвейерами Наши пожелания к кандидату: - Рассматриваем кандидатов уровня middle+ и выше - Практический опыт построения ML-конвейеров, которые используются в production - Уверенное владение Python, PyTorch и Hugging Face Transformers - Практический опыт fine-tuning языковых моделей, подготовки данных и работы с PEFT - Умение строить корректную оценку качества и контролировать утечки между обучающими и тестовыми данными - Опыт локального inference LLM и понимание устройства GPU-памяти - Знание компромиссов между качеством, скоростью, длиной контекста, batching и квантованием - Linux, CUDA, SQL, Docker и Kubernetes - Способность выйти за пределы notebook и довести модельное решение до устойчивой эксплуатации Стек: Python, PyTorch, Hugging Face Transformers, PEFT, pandas, SQL, PostgreSQL, Airflow или аналог, MLflow или аналог, vLLM, CUDA, Docker, Kubernetes. Формат сотрудничества: - Полная занятость и возможность трудоустройства через российское юридическое лицо в штат или через согласованную аутстафф-модель - Основной формат — офис или гибрид. Для самостоятельных специалистов возможна распределённая работа из России - Итоговый грейд и масштаб ответственности определяются по результатам собеседования.