Senior ML Engineer

Город
Москва
Требуемый опыт работы
от 6 лет
Форма занятости
Полная занятость
Описание вакансии

Brand Analytics - масштабный SaaS-проект в сфере Data Mining, лидер в сфере систем мониторинга и анализа социальных медиа и СМИ на рынках России и СНГ.

Ты будешь развивать SaaS-продукт в сфере аналитики соцмедиа, обрабатывающий более миллиарда объектов в режиме реального времени, в том числе с использованием технологий искусственного интеллекта.

Более 60% команды – разработчики. Мы развиваем продукт и разрабатываем новые. Ставим цели и ищем людей, вместе с которыми можем их воплощать в жизнь.

Основной стек технологий: классический ML (CatBoost, Sklearn), нейронки (Torch, Hugging Face, TensorRT, DeepSeed), FastAPI, MLFlow

✅ Чем предстоит заниматься:

— Работа с потоковыми данными: анализ, языковое моделирование, классификация, кластеризация, анализ тональности и прочего: много текста, много медиа;
— Реализовывать новый функционал системы: продуктовые и технические фичи;
— Проверка и генерация гипотез для решения задач: поиск нестандартных подходов, совершенствование существующей архитектуры;
— Принятие участия в выборе нового инструментария;
— Структурирование, планирование и менеджмент: начиная с себя до всего отдела;

❤️ Мы:

— Много пишем, изучаем и еще больше экспериментируем;
— Самостоятельно разрабатывает обвязки вокруг полученных артефактов: сервисы, инференс и т.д.;
— Собственный отдел разметки данных;
— Следим за тех.долгом. Умеем и поддерживаем legacy;
— Прозрачность: открыто говорим и умеем слушать. Обратная связь, рост, возможность напрямую влиять на продукт и видеть результат своей работы;
— Даем технику, комфортный офис, кофе, чай и даже фрукты;
— Предлагаем работу из офиса в центре Москве (м. Библиотека им. Ленина, м. Арбатская, м. Александровский сад)
— Оформляем в штат IT аккредитованной компании с первого рабочего дня согласно ТК РФ и платим полностью белую заработную плату.

✏️ Чего мы от тебя ждем:

— Продуктового опыта: от ресерча до запуска в прод;
— Знания классических ML алгоритмов (TF-IDF, кластеризация, классификация и т.п.);
— Понимания трансформерных архитектур (MLM, LM), а также методы их обучения;
— Умения писать на чистом Python;
— Опыта работы с PyTorch;
— Опыта работы с FastAPI, MLFlow, AirFlow, Docker;
— Желания изучать новое и находить нетипичные решения;
— Умения разбираться в чужом коде, оптимизировать и улучшать.

✨ Будет плюсом:

— MLOps;
— GoLang;
— Знание SQL, noSQL;
— Автоматизация ML-пайплайнов

Top.Mail.Ru