MLE/AE

Задачи: — разрабатывать и доводить до продакшена модели компьютерного зрения; — решать задачи речевой аналитики: транскрибация звонков, диаризация спикеров, извлечение сущностей и интентов, оценка качества коммуникаций и построение аналитических витрин по разговорам; — строить классический ML: скоринг, ранжирование, прогноз конверсии и оттока, рекомендательные и matching-модели на табличных данных; — проводить полный цикл ML: постановка задачи, разметка и подготовка данных, обучение, валидация, A/B и offline-оценка, мониторинг качества в проде; — упаковывать модели в сервисы (API/batch), выкатывать в продакшен, обеспечивать стабильность, latency, отказоустойчивость и версионирование; — настраивать пайплайны обучения и инференса, feature store / датасеты, трекинг экспериментов и CI/CD для ML; — работать с продуктом и бизнесом: формализовать метрики успеха, декомпозировать гипотезы, объяснять решения моделей и влияние на KPI. Требования: — уверенный Python и опыт промышленной разработки, а не только ноутбуков; — практический опыт Computer Vision (классификация, детекция, сегментация) и работы с современными CV-архитектурами; — опыт речевой аналитики / speech-to-text: ASR, диаризация, NLP поверх транскриптов; — сильный классический ML: feature engineering, градиентный бустинг, валидация, работа с дисбалансом и утечками; — опыт вывода ML в прод: сервисы инференса, batch/online, мониторинг дрифта, ретрайн, откат моделей; — понимание MLOps: Docker, оркестрация пайплайнов, трекинг экспериментов, версионирование данных и моделей; — умение читать SQL и работать с витринами/хранилищами; — плюсом — опыт GPU-инференса и оптимизации (ONNX, Triton, квантизация). Условия: — стек: Python, Java, Trino, DBT, Iceberg, Airflow, llama.cpp, LLM, Whisper, FastAPI, MLFlow, S3 + то что принесешь ты.