ML-инженер (стажер)

Приглашаем присоединиться к нашей профессиональной команде в компании «Уно-Софт» специалиста, готового работать с машинным обучением и компьютерным зрением.

Мы создаем программные продукты для крупного бизнеса и государственных структур. Наши решения входят в реестр Российского программного обеспечения и многократно подтвердили свою востребованность на рынке.

Почему стоит присоединиться к нам?

• Молодой и дружный коллектив, где ценят инициативу и новые идеи.
• Гибкий график и возможность удалённой работы.
• Удобно расположенный офис не далеко от метро.
• Рассматриваем кандидатов с 2–3 курса и выпускников технических/IT-специальностей, в том числе без опыта работы.
• После успешного прохождения стажировки возможно трудоустройство.

Чем вам предстоит заниматься:

• Разработка и обучение diffusion-моделей (например, Stable Diffusion + LoRA) для генерации изображений на основе пользовательских датасетов.
• Интеграция и дообучение моделей сегментации (SAM, DINO) для анализа и обработки изображений.
• Реализация поиска похожих изображений в каталоге с использованием CLIP, DINOv2, ViT (включая оптимизацию инференса и подбор метрик схожести).
• Настройка BLIP или аналогов для поиска изображений по текстовому запросу (image-to-text и text-to-image).
• Создание и поддержка веб-интерфейса для демонстрации решений (Gradio/Streamlit), включая визуализацию результатов генерации и поиска.

Что мы ожидаем от кандидата:

• Знание классических методов машинного обучения.
• Навыки программирования на Python (pandas, numpy, scikit-learn, PyTorch/TensorFlow, OpenCV, Hugging Face).
• Уверенное владение инструментами разработки: Jupyter Notebook, PyCharm, Visual Studio.
• Знание Linux, Git, Bash.
• Понимание классических алгоритмов компьютерного зрения.
• Опыт работы с технологиями компьютерного зрения: сегментация (SAM), эмбеддинги (DINOv2, CLIP), трансформеры (ViT).

Будет плюсом:

• Опыт работы с инструментами ETL (Airflow).
• Знание MLOps-инструментов (MLFlow, ClearML).
• Опыт в построении production-ready моделей: от исследования данных до внедрения.
• Опыт работы с OCR-задачами.
• Знание технологий контейнеризации (Docker, Kubernetes).
• Опыт работы с векторными базами данных (FAISS, Qdrant, Weaviate).
• Умение создавать интерактивные интерфейсы на Gradio/Streamlit.