Инженер по внедрению ИИ

🏢 ОфисMiddleПолная занятость

Зарплата не указана

Хорошие условия

Навык востребован (Python), за такой навык на рынке платят больше. Но вилки нет, про деньги придётся договариваться с нуля.

Нажмите на сигнал, чтобы увидеть, на чём он основан

Наша компания

Вы будете брать готовые нейросети и заставлять их быстро работать на реальном оборудовании клиента. Ваша задача - сделать так, чтобы сложная модель искусственного интеллекта не «тормозила», укладывалась в лимиты памяти и корректно встраивалась в IT-систему заказчика.

Чем предстоит заниматься

Разбираться в чужом коде: изучать текущий софт клиента, его ограничения и требования к безопасности

Искать узкие места: находить причины медленной работы моделей с помощью специальных инструментов замера производительности (бенчмаркинга)

Оптимизировать модели: упрощать архитектуру нейросетей совместно с командой Data Science, менять неэффективные операции и уменьшать объем передаваемых данных

Проверять результат: следить за тем, чтобы после всех ускорений точность модели не упала (проверка метрик F1, mAP) и результаты были воспроизводимы

Запускать в продакшн: помогать инженерам заказчика встроить оптимизированную модель в их конвейер разработки (CI/CD, MLOps)

Обучать команду клиента: проводить технические тренинги и показывать заказчикам, как работает итоговое решение

Мы предлагаем

Комфортный современный офис - м. Кутузовская

Ежегодный пересмотр зарплаты, годовой бонус

Корпоративный спортзал и зоны отдыха

Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

Подписка Прайм с возможностью совместного использования на трёх близких

Вознаграждение за рекомендацию друзей в команду Сбера

Корпоративная пенсионная программа

Дополнительно

Уверенно владеет Python и фреймворком PyTorch

Знает форматы обмена моделями (ONNX) и умеет пользоваться оптимизаторами вроде TensorRT, TVM или OpenVINO

Работал с разным оборудованием и специализированными чипами для ИИ (хотя бы с одним из пунктов)

Понимает работу оперативной памяти, кэш-линий и планировщика задач операционной системы

Способен читать системные логи и дампы памяти

Умеет упаковывать приложения в Docker и разворачивать их через Kubernetes

Понимает, как строятся микросервисы и асинхронные системы

Настраивал мониторинг нагрузки (Prometheus, Grafana) и логирование

Базово понимает риски безопасности при работе с данными и моделями

С кем вы будете взаимодействовать: Команда дата-сайентистов (для изменения архитектуры сетей), инженеры DevOps/MLOps заказчика (для интеграции), а также представители технической команды клиента (для проведения тренингов)