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

ML-инженер (Python · PyTorch · fine-tuning ) Employment type: Полный рабочий день Grade: Middle Skills: Машинное обучение, Linux, PyTorch, Python, SQL Description: 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.