Вакансия «ML-инженер (Python · PyTorch · fine-tuning )» в Урал Логистика · Job Hunters
У
Урал Логистика
ML-инженер (Python · PyTorch · fine-tuning )
Зарплата не указана
Формат
Гибрид
Город
Москва
PythonPytorchPandasSQLPostgreSQLDockerKubernetes
Мэтч и сопроводительное
Сравним вакансию с вашим действующим резюме и составим письмо под эту роль.
Описание вакансии
Компания "Урал Логистика" приглашает ML-инженера для участия в создании системы обработки документов и данных для грузовых железнодорожных перевозок.
Задачи:
— 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
Требования:
— Уровень middle+ и выше
— Практический опыт построения ML-конвейеров, используемых в production
— Уверенное владение Python, PyTorch и Hugging Face Transformers
— 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
— Знание Linux, CUDA, SQL, Docker и Kubernetes
— Способность довести модельное решение до устойчивой эксплуатации
Условия:
— Полная занятость
— 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
Контакты работодателя доступны по кнопке «Откликнуться» после входа.