описание
МТТЕХ - центр разработки Московского транспорта. Мы создаём ИТ-решения, которыми ежедневно пользуются миллионы пассажиров: от оплаты и планирования маршрутов до беспилотного трамвая Мы приглашаем квалифицированного кандидата на должность «Специалист по сервису беспилотных трамваев». Ваша ключевая задача заключается в качественном и своевременном обслуживании системы автоведения трамвая.
задачи
- Построение end-to-end процессов работы с видеоданными: от сбора с edge-устройствдо подготовки финальных датасетов для обучения моделей
- Интеграция инструментов разметки (CVAT) с S3-хранилищем и ClearML, автоматизация обмена данными и статусов задач разметки
- Автоматизация процессов Active Learning: выборка данных для доразметки, формирование заданий, обновление датасетов
- Анализ и улучшение производительности пайплайнов работы с данными (скорость обработки, стоимость хранения, стабильность)
- Развертывание и сопровождение генеративных моделей на GPU-серверах (например, диффузионные модели для генерации изображений)
- Построение пайплайна генерации синтетических изображений для дообучения нейронных сетей (Data Augmentation / Synthetic Data Generation)
- Организация хранения и учёта сгенерированных данных (метаданные, версии, параметры генерации)
- Квантизация, pruning, сжатие
- Подбор и внедрение современных архитектур
- Настройка пайплайна обучения, валидации, тестирования
требования
- Опыт работы с современными генеративными моделями (диффузионные модели, GAN)
- Опыт в MLOps / Data Engineering: уверенное владение Python, опыт написания скриптов автоматизации
- Работа с ML-инфраструктурой: уверенный опыт использования ClearML
- Опыт построения пайплайнов обработки данных (желательно — видеоданных): скачивание, конвертация, нарезка, аугментации, контроль качества
- Уверенная работа в Linux-среде
- Уверенный Python, опыт с PyTorch/TensorFlow
- Практический опыт обучения, тюнинга и квантизации моделей
- Будет плюсом: Опыт развёртывания и оптимизации генеративных моделей; Опыт работы с Active Learning, semi-supervised/self-supervised подходами в контексте данных компьютерного зрения; Понимание типичных задач CV (детекция, трекинг, сегментация) и требований к датасетам для них
условия
- Забота о здоровье без лишней бюрократии (комфортный пакет ДМС)
- Энергия, которая не заканчивается на дейликах (компенсация спорта)
- Рабочий день начинается с завтрака за кофе (компенсация питания)
- Дорога до офиса и обратно без лишних трат (компенсация проезда на пассажирском транспорте)
- Дополнительные дни для перезагрузки (5 day-off в год)
- Аккредитованная ИТ-компания
