ml engineer

Добавь резюме в профиле, а нейросеть определит твою категорию. Затем ты сможешь генерировать сопроводительные письма для вакансий этой категории

Отдел разработки систем технического зрения развивает технологии компьютерного зрения для автоматизации складских процессов Ozon. Системы работают с реальными видеопотоками, высоконагруженной инфраструктурой и ML-моделями в продакшене.

• Управлять командой ML / CV-инженеров: постановка задач, развитие сотрудников, регулярная обратная связь.
• Формировать техническое видение и развивать архитектуру CV-систем с учетом real-time требований и production-ограничений.
• Принимать ключевые технические решения по моделям, inference-пайплайнам и инфраструктуре.
• Обеспечивать эффективность разработки: планирование, приоритизация, контроль сроков и качества поставки.
• Оптимизировать производительность решений — latency, throughput, утилизацию GPU и стоимость инференса.
• Выстраивать процессы разработки ML-систем: эксперименты, валидация, деплой, мониторинг.
• Работать на стыке команд (backend, infra, data, продукт) и синхронизировать технические решения с бизнес-целями.
• Управлять техническими рисками и повышать надежность production-систем.
• Масштабировать команду: участие в найме и формировании сильной инженерной культуры.

• Опыт управления инженерной или ML-командой от 2–3 лет.
• Сильный бэкграунд в Computer Vision и опыт разработки production-решений.
• Опыт проектирования архитектуры ML-систем или high-load сервисов.
• Понимание real-time систем и подходов к оптимизации latency и throughput.
• Практический опыт оптимизации моделей и алгоритмов для работы на больших объемах данных.
• Уверенное знание Python.
• Опыт работы с GPU и понимание принципов эффективной утилизации аппаратных ресурсов.
• Понимание MLOps-практик (CI/CD, мониторинг моделей, управление экспериментами).
• Сильные навыки приоритизации и принятия технических решений в условиях неопределенности.
• Развитые коммуникационные навыки и способность договариваться со стейкхолдерами.
• Будет плюсом опыт построения real-time видеоаналитики или потоковых ML-систем, опыт работы с Kubernetes и микросервисной архитектурой, понимание распределенных систем и потоковых платформ обработки данных, опыт оптимизации inference на GPU (TensorRT, batching, quantization) и опыт управления несколькими командами или техлидами.

• Условий в вакансии нет