Lead ML Engineer / ML Tech Lead
Описание
Мы создаём технологию восстановления конструкторской документации по старым архивным чертежам. На входе — комплект отсканированных документов: чертежи деталей и сборок, спецификации, электрические схемы, технические требования и рукописные изменения. На выходе должна получаться восстановленная цифровая модель изделия: структурированные данные, 3D-модели деталей и сборки, а затем современная конструкторская документация для дальнейшей работы инженеров и производства. Ищем ведущего ML-инженера, который возьмёт на себя техническую реализацию этой системы. Это роль с большой самостоятельностью. Нужно будет не обслуживать готовую модель, а спроектировать и собрать работающий ML-контур: от обработки исходных документов до передачи восстановленной информации в CAD. Конкретная архитектура не зафиксирована — её предстоит выбрать и реализовать. Что предстоит делать: Спроектировать сквозную систему восстановления КД по архивным документам; Научить систему извлекать из чертежей геометрию, размеры, обозначения, состав изделия и технические требования; Разрабатывать, обучать и дообучать модели компьютерного зрения и мультимодальные модели под наши данные; Работать с низкокачественными сканами, рукописными исправлениями, зачёркиваниями и неполными комплектами документов; Связать результаты распознавания с построением 3D-моделей и дальнейшей работой в CAD; Использовать готовые модели и открытые разработки там, где это оправдано, и создавать собственные решения там, где готовых нет; Собрать отдельные модели и инструменты в единый воспроизводимый конвейер; Довести систему от исследовательского прототипа до обработки реальных комплектов документации; Организовать автоматическую проверку результата и передачу сложных случаев инженеру; По мере развития проекта участвовать в формировании ML-команды и руководить её технической работой. Кого мы ищем: Сильного практикующего ML-инженера с опытом в Computer Vision; Уверенное владение Python и PyTorch; Опыт самостоятельного обучения и дообучения моделей на собственных данных; Понимание современных архитектур компьютерного зрения и мультимодальных моделей; Опыт построения полного ML-контура: данные, обучение, инференс, интеграция и эксплуатация; Умение разбираться в исследовательских работах и переносить подходы из статей в рабочий код; Способность проектировать систему целиком, а не только улучшать отдельную модель; Готовность лично писать код и доводить решения до работающего результата; Самостоятельность в технических решениях и ответственность за итог проекта. Нам важнее реализованные системы и личный вклад кандидата, чем формальное количество лет опыта. Будет плюсом: OCR и Document AI; Обработка инженерных чертежей, схем, карт или других технических изображений; Raster-to-vector и извлечение геометрических примитивов; Геометрическое компьютерное зрение и восстановление 3D; Синтетические данные и domain randomization; Vision Language Models и их дообучение; CadQuery, OpenCASCADE, FreeCAD, КОМПАС-3D или другие CAD-системы; Опыт технического руководства небольшой командой; Опыт создания ML-продукта с нуля. Не требуется уже знать ЕСКД или быть инженером-конструктором. Для предметной части будут доступны специалисты и исходные документы. Эта позиция не подойдёт кандидату, чей опыт ограничен подключением готовых API, промптингом или сборкой стандартных RAG-систем без обучения собственных моделей. Что предлагаем: Возможность возглавить разработку новой технологии на стыке ML, компьютерного зрения и промышленной инженерии; Прямое влияние на архитектуру и технические решения; Работу с реальными архивными документами и понятным конечным результатом; Доступ к вычислительным ресурсам и бюджету на эксперименты; Прямое взаимодействие с основателями проекта и предметными специалистами; Удалённую работу по РФ; Полную занятость; Формат оформления обсуждается. Как проходит отбор: Короткое знакомство; Технический разговор о реализованных кандидатом ML-системах и его личном вкладе; Совместный разбор задачи проекта с технической командой; Финальное обсуждение условий и зоны ответственности. В отклике просим прислать резюме, GitHub или описание реализованных ML/CV-проектов. Особенно интересны примеры, где вы самостоятельно прошли путь от исходных данных и обучения моделей до работающей системы.