ml инженер складской автоматизации

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

• Управлять командой ML / CV-инженеров: ставить задачи, развивать сотрудников и давать регулярную обратную связь;
• Формировать техническое видение и развивать архитектуру CV-систем с учётом real-time требований и production-ограничений;
• Принимать ключевые технические решения по моделям, inference-пайплайнам и инфраструктуре;
• Обеспечивать эффективность разработки: планировать, расставлять приоритеты, контролировать сроки и качество поставки;
• Оптимизировать производительность решений: latency, throughput, утилизацию GPU и стоимость инференса;
• Выстраивать процессы разработки ML-систем: эксперименты, валидацию, деплой и мониторинг;
• Работать на стыке backend-, infra-, data- и продуктовых команд и синхронизировать технические решения с бизнес-целями;
• Управлять техническими рисками и повышать надёжность production-систем;
• Масштабировать команду: участвовать 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 объёмах данных;
• Уверенное знание Python;
• Опыт работы с GPU и понимание принципов эффективной утилизации аппаратных ресурсов;
• Понимание MLOps-практик: CI/CD, мониторинг моделей и управление экспериментами;
• Сильные навыки приоритизации и принятия технических решений в условиях неопределённости;
• Развитые коммуникационные навыки и способность договариваться со стейкхолдерами;
• Английский язык на уровне уверенного чтения технической документации;
• Будет плюсом опыт построения real-time видеоаналитики или потоковых ML-систем, опыт работы с Kubernetes и микросервисной архитектурой, понимание распределённых систем и потоковых платформ обработки данных, опыт оптимизации inference на GPU (TensorRT, batching, quantization), опыт управления несколькими командами или техлидами.

• Условий в вакансии нет