Senior MLOps Engineer

Музыка — чувственный опыт. С раннего детства мы интуитивно понимаем, как она работает. В Звуке мы занимаемся проектированием этого опыта в новом качестве. Мы ищем человека, чтоб вместе развивать сервис стриминга, его голос и образ. Предстоит вместе понять, каким должен быть эмоциональный образ сервиса и заняться его воплощением.

Описание вакансии

Чем предстоит заниматься

Дизайном хранилища фичей контента (Feature Storage)

Провести код ревью инженера-исследователя на предмет оптимизации вычислительного графа нейросети

Что вы знаете и умеете:

Работа должна быть в удовольствие, поэтому мы предлагаем

"Звук" аккредитованная ИТ-компания, все преимущества распространяются на наших сотрудников в полном объеме

ДМС с первого рабочего дня, включая стоматологию

Занятия в офисном спортзале, йогу и фитнес, компенсацию затрат на спорт

Опыт разработки с применением инструментов Apache Airflow (уметь создавать с нуля или на основе уже внедрённого решения Airflow DAG, оптимизировать Airflow DAG, созданный другим machine learning engineer)

Возможность участвовать в развитии сервисов, которыми пользуются миллионы

Стильное рабочее пространство рядом с м. Кутузовская (буквально 5 минут от метро / МЦК) или удаленный формат работы

Заботу о психологическом здоровье и компенсацию затрат на платформе «Ясно»

Полезные завтраки и перекусы в офисе каждый день

Обернуть в Airflow DAG обученную NN-модельку (затюнить модель с точки зрения inference - прунинг/квантизация, собрать docker образ с зависимостями, сделать все нужные настройки в ML Space, написать сам DAG, отладить DAG на тестовом стенде, обсчитать несколько миллионов аудио дорожек на inference - контролировать запущенные расчётные задачи)

Писать Airflow DAGи векторизации вокальной дорожки с использование MLSpace от SberCloud на основе предобученных моделей. Например, моделей MusiCNN-MTG(vocal) + CREPE

Ламповые вечеринки с пиццей и настолками под гитару

Вечеринки артистов в офисе каждый месяц — мы сервис стриминга, у этого есть такие приятные бонусы

Оплату участия в конференциях и помощь в подготовке выступлений, скидки на изучение английского, доступ к корпоративным обучающим ресурсам

Контрибьютить в фреймворк, который позволяет автоматизировать рутинные операции по обсчету аудио

Понимание и опыт работы фреймворков глубокого обучения - pytorch, tensorflow 2.x

Желание делать работу других machine learning engineer проще и надёжнее

Опыт работы с распределенными вычислениями: distributed SQL, Spark

Будет плюсом:

Знания и умения работать со спецификой расчетных задач на GPU - прунинг / квантизация нейросетей, ускорение вычислений, оптимизация вычислительного графа

Опыт работы с аудиосигналом, open source библиотеками для работы со звуком (ffmpeg, librosa, essentia) и специфическими нейросетями для работы с аудиосигналом (musiCNN, VGGish, DEMUCS)