ML инженер

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

Проект на стыке ускоренного на GPU вывода машинного обучения и графики в реальном времени. Цель — строить быстрые, надежные и экономичные конвейеры вывода для визуальных вычислений и интегрировать компоненты ML в рабочие процессы рендеринга и движков. Ключевой фокус — дистилляция и сжатие моделей для снижения задержек, потребления памяти и затрат на инфраструктуру с развертыванием в продакшене стандартными инженерными практиками.

• Строить и оптимизировать конвейеры вывода на GPU для низкой задержки и высокой пропускной способности
• Внедрять дистилляцию и сжатие моделей для ускорения и удешевления
• Профилировать и настраивать производительность на CPU и GPU (задержка, пропускная способность, память)
• Интегрировать ML в рабочие процессы графики в реальном времени (интеграция на стороне движка при необходимости)
• Обеспечивать готовность к продакшену: воспроизводимые сборки, базовый CI/CD, контейнеризированное развертывание

• Старший уровень ML/инженера вывода (3-5+ лет), умеете работать самостоятельно
• Сильный бэкграунд в глубоком обучении и CNN, практический опыт вывода моделей в продакшен
• Опыт дистилляции и сжатия (любая солидная практика KD или сжатия)
• Сильный Python + PyTorch или эквивалент (достаточно для реализации обучения/вывода и отладки)
• Сильное мышление в GPU-выводах и производительности: основы CUDA, профилирование, подход к оптимизации
• Хорошие навыки софтверной инженерии (чистый код, базовое тестирование, Git, совместная работа)
• Будет плюсом опыт с TensorRT, ONNX Runtime, Triton, квантизация, смешанная точность, слияние операторов, интеграция ML в графику или движки (Unreal/Unity, основы рендеринга), Kubernetes/Docker в продакшене, observability/telemetry, метрики качества изображений (SSIM/PSNR/LPIPS)

• Условий в вакансии нет