Старший математик-разработчик, Базовые ML Модели
Описание
Привет! Это команда Базовых ML Моделей. Мы строим единую систему оценки качества ML-решений в Озоне — от классических моделей до больших языковых моделей. Наша задача — находить лучшие ML-разработки внутри компании, делать их доступными для всех ML-команд и развивать дальше. Мы верим, что вместо параллельной разработки одних и тех же решений в разных командах можно объединить лучшие практики и поднять общий уровень ML во всей компании — а заодно избавить разработчиков от рутины. Команда — часть ML-платформы Озон, где работает много сильных ML- и backend-инженеров и есть серьёзные железные ресурсы для экспериментов с передовыми подходами. Ищем ML-разработчика, который усилит команду и поможет двигать ML в Озоне вперёд. Наш стек Python, PyTorch, transformers, фреймворки для инференса (SGLang, vLLM, Triton), Kubernetes. Вы будете Работать в связке с самыми передовыми ML-командами Озон — поиском, матчингом и другими, где ML находится в основе продукта. Строить бенчмарки для моделей разного класса: LLM (в т.ч. мультимодальные), задачи с LLM-as-a-Judge, модели общего назначения (OCR, ASR, STT), системы семантических эмбеддингов. Реализовывать ML-пайплайны полного цикла — от сбора данных до публикации метрик и деплоя. Развивать саму платформу: мы её первые пользователи, поэтому напрямую влияем на то, как она устроена и куда движется. Нам важно Глубокое понимание ML: классические подходы, нейронные сети (включая современные трансформеры), NLP, CV. Опыт ведения полного цикла ML-исследований: разбор бизнес-требований, постановка задачи и метрик, сбор и подготовка данных, воспроизводимые эксперименты. Уверенная работа с инструментами: PyTorch, transformers, MLflow / ClearML / DVC, Label Studio, Triton / vLLM / SGLang, Airflow. Хороший Python: скрипты, модули, простые REST API. Базовый бэкенд: Docker, Kubernetes, SQL, S3, key-value-хранилища, юнит-тесты, git, понимание CI/CD. Будет плюсом Опыт построения бенчмарков для большого числа моделей. Практический опыт работы с современными LLM. Знание распределённых систем для Big Data: Hadoop, Spark или YT.