ML-инженер

О вакансии

Чем предстоит заниматься

Проектирование ETL-пайплайнов для документов: Разработка полного цикла обработки входного потока (PDF, JPEG, PNG). CV-препроцессинг (OpenCV): Нормализация изображений, выравнивание текста, адаптивная бинаризация, удаление шумов при сохранении важных элементов (печатей, подписей). Семантическая сегментация PDF: Разработка алгоритмов (эвристика + ML) для разделения многостраничных "слепых" сканов на отдельные документы по визуальным и текстовым якорям. Интеграция с локальными VLM / LLM: Развертывание и промпт-инжиниринг локальных моделей (Ollama, vLLM или аналоги) для извлечения сущностей (NER) в строгом формате. Пост-процессинг и валидация: Написание надежной логики очистки данных для защиты системы от галлюцинаций моделей.

Для успешной работы потребуется

Уверенное владение Python: ООП, паттерны проектирования, написание чистого и поддерживаемого кода. Опыт работы и глубокое понимание современных SOTA-подходов к задачам OCR и Key Information Extraction. Работа с PDF: Опыт работы с библиотеками PyMuPDF (fitz) и PyPDF2 (векторный парсинг, рендеринг, сборка/разборка документов на лету). Machine Learning / LLM: Опыт работы с локальными LLM. Понимание принципов Prompt Engineering, настройки параметров генерации (temperature, top_p, top_k, num_predict). Data Processing: регулярными выражениями (re), владение spark будет бонусом

Будет плюсом, если у вас есть

Опыт работы с традиционными OCR-движками (Tesseract, EasyOCR, PaddleOCR). Понимание принципов оптимизации инференса на GPU (TensorRT, квантование, кэширование). Опыт работы с Docker и понимание принципов построения микросервисной архитектуры. Навыки структурированного логирования и профилирования Python-кода.