Senior ML-инженер, ML Ops и обработка изображений

Проект

Работа над продуктами, связанными с сейсмическими данными и данными каротажа скважин, определение простых геологических характеристик данных (разломы, горизонты). Full stack ML с фокусом на обработку сигналов — изображения и временные ряды.

Основные навыки: ML Ops, модели изображений, глубокое обучение, GPU-обучение, Google Cloud Platform, TensorFlow, PyTorch, агентные инструменты кодирования.

Условия

Тип занятости: W2. Длительность проекта: 12 месяцев. Локация: Маунтин-Вью, Калифорния, или удалённо. Режим работы: 3 дня в неделю из офиса при работе на месте в Маунтин-Вью, либо удалённо. Командировки: нет. Уровень: Senior. Требуемая дата начала: ASAP. Процесс отбора: общее собеседование -> техническое интервью -> интервью с клиентом. Разрешение на работу: рассматриваются кандидаты с визами H1B и TN. Кандидат должен быть оформлен по W2.

Требования

• Опыт в глубоком обучении, GPU-обучении и инференсе, моделях изображений.
• Опыт в обучении моделей и настройке распределённых пайплайнов обучения, в частности с использованием Vertex, Kubeflow и т.п. для обучения больших моделей на больших объёмах данных (изображения, язык).
• Сильный опыт в создании и развёртывании моделей машинного обучения с фокусом на обработку изображений и обработку сигналов временных рядов.
• Опыт обучения и тонкой настройки ML-моделей.
• Опыт создания и поддержки пайплайнов данных для изображений и других сенсорных данных.
• Опыт работы с инструментами и практиками ML Ops: мониторинг моделей, версионирование, развёртывание.
• Опыт работы с инструментами разметки данных.
• Опыт работы с облачными платформами, особенно Google Cloud Platform. Опыт с edge-развёртыванием будет плюсом.
• Отличные коммуникативные навыки и умение работать в команде.
• Способность работать самостоятельно и в команде.
• Сильные навыки решения проблем.
• Увлечённость машинным обучением и его приложениями.

Дополнительные навыки (желательно)

• Google Cloud Platform будет полезен; при отсутствии опыта ожидается, что кандидат быстро освоит его до начала и/или в начале работы.
• Владение TensorFlow и PyTorch.
• Protocol Buffers.
• Контейнеры.
• Быстрое прототипирование — большой плюс. Команде нужно будет создавать прототипы для проверки гипотез.