ML-инженер
Урал Логистика · Москва
- Грейд
- Middle
- Формат
- Офис / Удалённо
- Занятость
- Полная
- Категория
- Data/ML
- Источник
- AI Работа Вакансии DS / ML
Контакт HR — бесплатно после входа
Войдите через Telegram — покажем, кому писать напрямую. Без резюме и анкет.
Описание
#middle #офис #гибрид
Урал Логистика
ML-инженер (Python, PyTorch, fine-tuning)
Полная занятость
Формат работы: офис или гибрид (Москва)
☑️ 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 кандидатам
-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
Контакты: контакт скрыт
🔥 Подписаться на наши каналы / контакт скрыт / контакт скрыт
Урал Логистика
ML-инженер (Python, PyTorch, fine-tuning)
Полная занятость
Формат работы: офис или гибрид (Москва)
☑️ 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 кандидатам
-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
Контакты: контакт скрыт
🔥 Подписаться на наши каналы / контакт скрыт / контакт скрыт
- python
- pytorch
- huggingface_transformers
- peft
- pandas
- sql
- postgresql
- airflow
- mlflow
- vllm
- cuda
- docker
- kubernetes
- linux
Оценка вакансии
72/100 · хорошо
- Описание полное
- Зарплата не указана
- Компания и проект описаны
- Контакт без валидации
- Стек описан подробно
- Формат работы понятен
Похожие вакансии
Data Scientist
AI-балл 34/100Авито
Head of Data Science and Analytics
AI-балл 60/100JetBrains · Limassol, Cyprus
Headdata_sciencemachine_learningadvanced_analytics
Senior Data Scientist
AI-балл 69/100Temporal · US
137 600 – 220 000 $
SeniorУдалённоsqlpythonathena
Founding Data Scientist
AI-балл 68/100Mira · Serbia
Удалённоpythonsqlshap
Senior Data Scientist
AI-балл 62/100Phantom
SeniorУдалённоpythonsqldbt
