ML Engineer Audio Processing Hybrid

#ML #Production #ONNX #Remote Компания: Международный продуктовый IT-проект (VoIP / Cloud Telephony) Занятость: Полная занятость Формат: Гибрид (офис в Ташкенте на 2–3 месяца → далее полная удаленка) ЗП: старт от $3500 до $5000 (обсуждается индивидуально) Мы - продуктовая команда, создающая интеллектуальную экосистему облачной телефонии для рынков США и Канады. Наш продукт - это отказоустойчивая платформа с миллионными оборотами трафика. ML у нас - не вспомогательная фича, а фундамент системы, работающий в режиме real-time. Мы ищем инженера, который досконально понимает внутреннюю архитектуру аудио-моделей и готов отвечать за их работу в высоконагруженном продакшене. Чем предстоит заниматься: - Развитие системы AMD (Answering Machine Detection): дообучение и тюнинг моделей для классификации звонков (отличие человека от автоответчиков/IVR) в режиме реального времени. - Full-cycle разработка: от сбора и «грязной» разметки аудиоданных до деплоя и калибровки порогов в продакшене. - Интеграция в Core-продукт: перенос ML-компонентов в backend-инфраструктуру (C# / SIP / RTP стек) через ONNX Runtime. - Оптимизация latency: борьба за миллисекунды в условиях стриминга аудио. - Deep Analysis: поиск ошибок и разбор сложных edge cases в реальных сценариях звонков. - Исследования (R&D): эксперименты с шумоподавлением, VAD и новыми архитектурами для обработки речи. Наш стек: Python, C# wav2vec 2.0, Whisper, HuggingFace Transformers MFCC, эмбеддинги, спектрограммы ONNX / ONNX Runtime, Quantization SIP / RTP, Windows / Linux Мы ожидаем: - 2+ года опыта в ML в продакшене (когда ваша модель реально работала с пользователями). - Практический опыт со Speech/Audio: понимание того, как устроены аудио-фичи и современные архитектуры обработки звука. - Инженерный подход (QA-mindset): вам искренне интересно «копаться» в аномалиях данных и проверять систему на прочность. - Понимание классики и современности: Fine-tuning, Transfer Learning и умение работать с метриками (Precision/Recall, ROC-AUC, Calibration). - Способность работать end-to-end: от сырого файла до оптимизированного инференса. Что важно: - Инженерная автономность: мы ценим тех, кто сам находит проблему и доводит решение до продакшена. - Бэкграунд: мы очень приветствуем кандидатов, пришедших в ML из Backend или QA, нам важна культура кода и тестирования. - Готовность к динамике: проект растет, задач много, и они напрямую влияют на бизнес. Будет плюсом: - Опыт в Speech/Audio domain (ASR, VAD, Audio Classification). - Понимание специфики VoIP и потоковой обработки данных. - Опыт работы с MLOps и инструментами мониторинга моделей. Условия: - Обязательный оффлайн-онбординг в Ташкенте (2-3 месяца) для погружения в продукт, далее полная удаленная работа. - Реальные production-задачи в международном продукте с высокой нагрузкой. - Возможность профессионального роста и пересмотра компенсации по мере усложнения задач. - Работа в команде с сильной инженерной экспертизой и отсутствием бюрократии. 📩 CV в Telegram: @haas_maru