ml engineer

Отдел разработки систем технического зрения развивает технологии компьютерного зрения для автоматизации складских процессов Ozon. Системы работают с реальными видеопотоками, высоконагруженной 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 учетом требований реального времени и ограничений продакшена.
• Принимать ключевые технические решения по моделям, пайплайнам инференса и инфраструктуре.
• Обеспечивать эффективность разработки: планировать, приоритизировать, контролировать сроки и качество поставки.
• Оптимизировать производительность решений: задержки, пропускную способность, утилизацию GPU и стоимость инференса.
• Выстраивать процессы разработки ML-систем: эксперименты, валидацию, деплой и мониторинг.
• Работать на стыке команд бэкенда, инфраструктуры, данных и продукта, синхронизируя технические решения с бизнес-целями.
• Управлять техническими рисками и повышать надежность продакшен-систем.
• Масштабировать команду: участвовать в найме и формировании сильной инженерной культуры.

• Опыт управления инженерной или ML-командой от 2–3 лет.
• Сильный бэкграунд в компьютерном зрении и опыт разработки продакшен-решений.
• Опыт проектирования архитектуры ML-систем или высоконагруженных сервисов.
• Понимание систем реального времени и подходов к оптимизации задержек и пропускной способности.
• Практический опыт оптимизации моделей и алгоритмов для работы на больших объемах данных.
• Уверенное знание Python.
• Опыт работы с GPU и понимание принципов эффективной утилизации аппаратных ресурсов.
• Понимание MLOps-практик: CI/CD, мониторинг моделей, управление экспериментами.
• Сильные навыки приоритизации и принятия технических решений в условиях неопределенности.
• Развитые коммуникационные навыки и способность договариваться со стейкхолдерами.
• Будет плюсом опыт построения видеоаналитики реального времени или потоковых ML-систем, опыт работы с Kubernetes и микросервисной архитектурой, понимание распределенных систем и потоковых платформ обработки данных, опыт оптимизации инференса на GPU (TensorRT, batching, quantization) и опыт управления несколькими командами или техлидами.

• Полная занятость.