ML Engineer (ASR/NLP/Information Retrieval)
Будуєте ML-платформу для аналізу аудіо та тексту в складних умовах. Потрібен досвідчений інженер з 5+ роками досвіду в ML/NLP, який вміє тренувати моделі (ASR, VAD, NLP) і доводити їх до продакшну з використанням PyTorch, ONNX, Triton. Пропонується робота в маленькій команді з низькою бюрократією та фокусом на якість.
Отклик отправляется на сайте источника. Регистрация в Taylor для перехода не нужна.
Зарплата не указана — оценили по рынку
На основе 88 похожих вакансий за 90 дней по всем рынкам вместе — отдельной выборки по рынку этой вакансии нет.
Что предстоит делать
<p><strong>Обучать, доводить до продакшна и интегрировать модели для</strong> <br><strong>анализа аудио и текстовой информации в шумных, реальных</strong> <br><strong>условиях.</strong></p><p><strong>О ПРОЕКТЕ:</strong> <br>Мы строим <nobr>ML-платформу</nobr> для анализа аудио и текстовой информации — с<br>высокой зашумленностью, сложными акустическими условиями и большим<br>разнообразием лексики. Это полный life-cycle: сбор и подготовка данных,<br>обучение моделей (ASR, VAD, классификация текста, NER, эмбеддинги),<br>экспорт в продакшн (ONNX / TensorRT / Triton) и интеграция в потоковые<br>пайплайны (Apache Flink, RabbitMQ, Kafka). Конечные потребители — аналитики,<br>работающие с большими объемами информации; поэтому качество моделей и<br>качество их инженерной реализации одинаково критичны.</p><p><br><strong>ЧЕМ ВЫ БУДЕТЕ ЗАНИМАТЬСЯ</strong> <br>Обучать и доводить до продакшна модели в трех смежных доменах:</p><ul><li>ASR Speech-to-text — fine-tuning современных архитектур (CTC, RNN-T, TDT, attention-based) на шумных аудио. PyTorch Lightning, NeMo, Hydra-конфиги, multi-GPU.</li><li>VAD Voice activity detection — fine-tuning рекуррентных и CNN-based моделей на спектрограммах, threshold optimization, ROC-анализ.</li><li>NLP / IR Текст и поиск — multi-label классификация на трансформерах и классических методах, NER, дедупликация текста (MinHash LSH) и аудио (contrastive embeddings, SimCLR), векторный и полнотекстовый поиск.</li></ul><p><br>— Экспортировать модели в ONNX, готовить TensorRT-планы (FP16, optimization profiles, dynamic shapes), интегрировать в NVIDIA Triton (ensemble, BLS, dynamic batching, instance groups).<br>— Строить продакшн-сервисы: FastAPI-фронты, асинхронные воркеры на RabbitMQ / Kafka / S3 / Redis, интеграция в Flink-пайплайны.<br>— Проводить тщательные бенчмарки: WER, F1 per-class, ROC-AUC, RTFx, throughput, A/B-тесты с людьми-разметчиками (Prodigy).</p><p>— Читать papers, воспроизводить state-of-the-art подходы и адаптировать их под наши данные.</p><p>— Версионировать данные и модели (DVC + MinIO/S3), трекать эксперименты (Weights & Biases), писать тесты (pytest), проходить code review.</p><p><br><strong>ОБЯЗАТЕЛЬНЫЕ ТРЕБОВАНИЯ</strong></p><ul><li>5+ лет коммерческого опыта в ML / NLP / Information Retrieval. <nobr>CV-опыт</nobr> не нужен.</li><li>Python как основной язык — уверенное владение современным Python (3.11+), типизация, async/await, написание чистого поддерживаемого кода.</li><li>PyTorch на уровне автора кастомных training loops — не только Trainer.fit(), но и написание своих loop-ов, distributed training (DDP, gradient accumulation, mixed precision), понимание того, как работают loss-функции под капотом (CTC, RNN-T, contrastive losses).</li><li>Как минимум один глубокий опыт в одном из направлений: ASR / sequence-to-sequence, классический NLP на трансформерах и классических методах, или Information Retrieval (BM25, dense retrieval, MinHash / LSH, ранжирование).</li><li>Способность читать и воспроизводить papers — брать модель или подход из arXiv, понимать trade-offs, адаптировать под свои данные, а не только запускать готовые скрипты.</li><li>Инженерия продакшна — опыт доведения модели от ноутбука до сервиса: экспорт (ONNX / TorchScript), оптимизация инференса, построение REST / gRPC API, написание тестов (unit + integration).</li><li>HuggingFace экосистема — уверенная работа с transformers, datasets, tokenizers, accelerate, evaluate, hub; опыт fine-tuning, custom training loops, кастомных токенизаторов (BPE, SentencePiece, WordPiece).</li><li>Классический ML — sklearn, XGBoost, threshold tuning для imbalanced multi-label задач, метрики Precision / Recall / F1 (macro/micro/per-class), ROC-AUC.</li><li>Git, pre-commit, линтеры, CI — воспринимать эти вещи как норму, а не как помеху. Английский — чтение технической документации и papers без затруднений.</li></ul><p><strong>БУДЕТ ПЛЮСОМ</strong></p><ul><li>NVIDIA Triton Inference Server — ensemble, BLS, Python backend, config.pbtxt.</li><li>TensorRT — компиляция engine, optimization profiles, INT8/FP16 квантизация.</li><li>ONNX Runtime — оптимизация графов, провайдеры (CUDA / TensorRT / CPU).</li><li>Data engineering — Apache Flink, Kafka, потоковая обработка, DVC, data pipelines.</li><li>Инфраструктура — Docker, Kubernetes, Helm, ArgoCD, GitLab CI, AWS (S3, CodeArtifact).</li></ul><p><br><strong>СТЕК, С КОТОРЫМ ВЫ БУДЕТЕ РАБОТАТЬ:</strong> <br>CORE Python 3.11+, uv, PyTorch, PyTorch Lightning, HuggingFace (transformers, datasets, tokenizers, accelerate), spaCy, sentence-transformers, sklearn, XGBoost.</p><p>ИНФЕРЕНС ONNX Runtime, TensorRT, NVIDIA Triton; FastAPI, Uvicorn, asyncio, Pydantic v2.</p><p>ДАННЫЕ RabbitMQ, Kafka, Apache Flink; S3 / MinIO, Elasticsearch, PostgreSQL, Redis Stack.</p><p>MLOPS DVC, Weights & Biases, GitLab CI/CD, Kubernetes, ArgoCD; jiwer (WER), torchmetrics, scikit multilearn, Prodigy.</p><p><br><strong>КАК МЫ РАБОТАЕМ:</strong></p><ul><li> Маленькая команда, низкая бюрократия; решение принимает инженер, владеющий контекстом.</li><li> Каждое изменение модели или инфраструктуры имеет четкие бенчмарки до/после — мы не «чувствуем, что лучше», мы измеряем.</li><li> Production-mindset с самого начала: любая модель из ноутбука должна иметь план выхода на сервер.</li><li> Документация, диаграммы архитектур, честные post-mortem-ы, культура writing-it-down.</li></ul> <div> <a href="https://jobs.dou.ua/companies/ews-army/vacancies/359997/#reply-btn-id">Откликнуться на вакансию</a> </div>
Стек и инструменты
Сколько платят вам?
Анонимно укажите, сколько вы получаете как Data/ML-специалист, — сразу покажем, в скольких вакансиях платят меньше. А из ответов сложится зарплата, которую платят на деле, а не обещают.
Подходит ли вам эта вакансия?
Зарегистрируйтесь и загрузите резюме — посчитаем % совпадения с этой вакансией, подсветим сильные стороны и что стоит подтянуть
Ещё в Окремий спеціальний центр електронної підтримки
7 активных вакансий в компании
Site Reliability Engineer
Ищем опытного Site Reliability Engineer для поддержки и развития инфраструктуры Сил Обороны Украины. Нужно следить за состоянием систем, улучшать мониторинг (метрики, логи, трейсинг, алерты), поддерживать CI/CD и инфраструктурные проекты на базе Kubernetes, Terraform, ArgoCD, Prometheus и Grafana. Работа в офисе в Киеве по контракту, оплата от 20 000 гривен.
ML Engineer
Розробка та впровадження ML-моделей для аналізу радіочастотних і відеоданих у підрозділі Сил Оборони. Потрібен досвід у machine learning від 4 років, впевнене володіння Python та фреймворками TensorFlow/Keras/PyTorch, базові знання фізики радіохвиль. Робота в офісі в Києві за контрактом, грошове забезпечення від 20 000 гривень.
Node.js Developer (High-Load Platform)
~2 066 916 ₸ оценка по всем рынкам
Розробляти високонавантажену платформу для обробки даних у реальному часі. Потрібен досвід Node.js/TypeScript, NestJS, PostgreSQL та роботи з чергами. Пропонують роботу з сучасним стеком та складними архітектурними задачами.
Backend Engineer
~1 332 900 – 2 665 800 ₸ оценка по стеку, все рынки
Вакансія Backend Engineer для служби в Окремому спеціальному центрі електронної підтримки Сил Оборони. Потрібен досвід від 5 років з Go або Python, знання розподілених систем, Docker, Kubernetes та інфраструктурних інструментів. Пропонується служба за контрактом в офісі в Києві з грошовим забезпеченням від 20 000 гривень.
Похожие вакансии
6 вакансийСтарший технический специалист по диагностике production-проблем (Python/C#/SQL)
~2 215 298 ₸ оценка по стеку, все рынки
Ищем опытного специалиста на подхвате, который разбирается с самыми сложными инцидентами в продакшене: находит корневые причины, правит код на Python и C#, запросы T-SQL и PL/SQL, пайплайны Airflow и данные в data lake. Нужен экспертный уровень в этих технологиях, знание data science и аккуратная работа с git, чтобы не рисковать боевыми данными. Работа удалённая, проектная, с возможностью подключаться по короткому уведомлению и действовать самостоятельно.
Старший AI инженер
~2 215 298 ₸ оценка по всем рынкам
Нужен старший AI-инженер, который возьмёт на себя слой знаний платформы: превратит поток неструктурированного контента в связанный граф знаний с сущностями и связями. Требуется 5+ лет в разработке ПО и 3+ года в ML/NLP, опыт production-сервисов на Python, извлечения сущностей и связей, построения knowledge graph (Neo4j), PyTorch и пайплайнов на Kafka/Celery. Предлагают remote-first, неограниченный оплачиваемый отпуск, покрытие инструментов и работу над задачами глобальной безопасности.
AI Data Solutions Engineer
~2 215 298 ₸ оценка по всем рынкам
Нужен инженер по AI и данным, который будет работать внутри команд клиентов: строить модели данных, каталоги и контроль качества, а поверх этого — продакшн-решения на LLM и RAG на Python. Требуется 5+ лет опыта в Data Engineering или аналитике, сильный SQL, облако (желательно Azure) и уверенный английский. Предлагают удалёнку, гибкий график, оплачиваемый отпуск и больничные, техтоки и конкурентную зарплату.
AI Architect
~2 215 298 ₸ оценка по всем рынкам
WhiteTech ищет AI-архитектора для финтех-платформы: нужно проектировать production-решения на базе LLM, RAG, AI-агентов и интеллектуальной автоматизации. Требуется 8+ лет в разработке ПО с опытом архитектуры или техлидства, глубокое понимание генеративного AI, векторного поиска, микросервисов и безопасности AI-систем. Предлагают полностью удалённую работу с гибким графиком в часовом поясе CET, 19 дней оплачиваемого отпуска и конкурентную компенсацию.
Senior Data Engineer
~2 215 298 ₸ оценка по стеку, все рынки
OTP Digital шукає Senior Data Engineer, який перетворюватиме продуктові дані банку на надійну основу для аналітики та бізнес-рішень. Потрібно понад 5 років досвіду в Data Engineering, впевнені SQL і Python, робота з Azure Data Lake Gen2 або Microsoft Fabric, шаровою архітектурою (medallion/lakehouse), data modeling та data quality. Пропонують віддалену роботу з можливістю працювати в офісі в Києві, гнучкий графік, конкурентну компенсацію з прив'язкою до USD, оплачувану відпустку та лікарняні.
Разработчик ИИ-агентов
~2 215 298 ₸ оценка по всем рынкам
Нужен практик, который лично внедрял ИИ-агентов в работающие продукты и умеет настраивать взаимодействие нескольких агентов. Задача — развивать систему агентов на B2B-платформе для строительного рынка: роли, передача контекста, подключение к API и данным, память, RAG, права доступа и контроль расходов на модели. Формат — удалённая проектная работа, условия и оплата обсуждаются по результатам знакомства.