Старший разработчик по машинному обучению (ML Developer) [xOps, МТС Веб Сервисы]

Мы ищем руководителя, с сильным техническим бэкграундом, который возглавит команду, определит архитектуру и обеспечит техническую реализацию проекта по направлению «Генеративный ИИ». Проект охватывает все этапы от исследования до промышленного внедрения.

Обязанности:

• Формирование и развитие команды: активный найм, онбординг, менторство, создание культуры инженерного совершенства;

• Техническое лидерство: проектирование архитектуры проекта (от инфраструктуры до кода), выбор технологического стека, ревью ключевых решений, контроль качества;

• Управление жизненным циклом моделей: координация процессов pre-training, SFT, RLHF/DPO, оценка качества (eval), мониторинг экспериментов;

• Оптимизация MLOps-пайплайнов: проектирование и автоматизация конвейеров данных, обучения, валидации и развертывания; обеспечение воспроизводимости экспериментов;

• Ресурсное планирование: распределение GPU-ресурсов, управление очередями заданий, оптимизация утилизации оборудования (включая I/O и память);

• Информационная безопасность: разработка и внедрение политик безопасной работы с данными и моделями в закрытом контуре, контроль соответствия требованиям ИБ;

• Взаимодействие со стейкхолдерами: координация с смежными командами и бизнес-подразделениями, регулярная отчетность о статусе и рисках.

Требования:

• Опыт работы в области ML / NLP от 5 лет, из них не менее 2 лет — на руководящих позициях (Team Lead, Tech Lead, Engineering Manager);

• Глубокое понимание архитектуры трансформеров, принципов обучения и инференса LLM;

• Практический опыт распределенного обучения (Distributed Training) с использованием DeepSpeed, Megatron-LM, FSDP, Ray;

• Уверенное владение Python, PyTorch, экосистемой Hugging Face;
• Опыт построения MLOps-пайплайнов на Kubernetes, Airflow и CI/CD;
• Понимание принципов работы с высоконагруженной GPU-инфраструктурой (оптимизация I/O, мониторинг, работа с очередями);

• Знание основ информационной безопасности при обработке больших данных в закрытых контурах;
• Опыт управления командой от 5 человек: найм, адаптация, постановка целей, развитие сотрудников.

Будет плюсом:

• Опыт запуска LLM-систем в production с нуля;

• Работа с узкоспециализированными (доменными) данными;

• Опыт оптимизации моделей: квантизация, дистилляция, pruning.

Условия:

• Работа в аккредитованной IT-компании (льготная ипотека и проч.);
• Оформление по ТК РФ и его полное соблюдение (оплачиваемые отпуска, больничные);
• ДМС со стоматологией с первых недель работы.

Обязанности:

• Подбирать, обучать и дообучать модели распознавания и синтеза речи (ASR/TTS), а также speech-to-speech модели для голосовых AI-сервисов банка.

• Развивать качество работы моделей на казахском и русском языках: учитывать смешанную речь, банковскую терминологию, имена, суммы и шумные условия.

• Проектировать голосовые диалоги в реальном времени: потоковую обработку аудио, определение конца реплики, обработку перебиваний и full-duplex взаимодействие, при котором агент одновременно слушает пользователя и отвечает ему.

• Готовить речевые датасеты: очищать и размечать аудио, формировать обучающие и тестовые выборки, проводить эксперименты и анализировать ошибки моделей.

• Интегрировать речевые модели с голосовыми агентами на LiveKit Agents или аналогичной платформе, backend-сервисами и мобильными каналами банка.

• Оптимизировать качество и скорость ответа, потребление GPU и устойчивость сервиса при одновременных голосовых сессиях.

• Готовить модели и голосовые сервисы к промышленной эксплуатации в защищённом контуре банка.

Требования:

• Уверенное владение Python и PyTorch.

• Практический опыт обучения или fine-tuning речевых моделей, а не только интеграции готовых облачных ASR/TTS API.

• Обязательный опыт работы с LiveKit Agents / LiveKit Server либо аналогами для потоковых голосовых приложений.

• Понимание архитектур ASR, TTS и speech-to-speech, методов подготовки аудиоданных и оценки качества речевых моделей.

• Опыт работы со streaming inference, VAD, turn detection, endpointing и обработкой перебиваний (barge-in).

• Понимание особенностей full-duplex диалога, включая одновременную речь пользователя и агента.

• Опыт вывода ML-моделей в production: разработка API, Docker, мониторинг, профилирование и оптимизация инференса на GPU.

• Умение строить воспроизводимые эксперименты и находить баланс между качеством модели, задержкой ответа и стоимостью вычислений.

Будет преимуществом:​​​​​​​

• Опыт обучения речевых моделей для казахского языка и работы с переключением между казахским и русским языками в одной реплике.

• Практический опыт с full-duplex speech-to-speech моделями.

• Опыт развёртывания речевых моделей on-premise и работы с чувствительными данными в регулируемой среде.

​​​