ML разработчик

Разработка методов машинного обучения и искусственного интеллекта для анализа данных беспроводных сетей и автоматической оптимизации параметров WiFi на устройствах под управлением Linux (aarch64).

Обязанности:

• Разработка пайплайнов сбора, агрегации и предобработки данных с точек доступа;
• Разработка моделей прогнозирования качества WiFi (throughput, latency, packet loss, retransmissions) и оптимизации параметров сети (channel selection, tx power, bandwidth);
• Развертывание моделей на устройствах ТД;
• Создание и поддержка датасетов для обучения моделей;
• Обработка и анализ временных рядов телеметрии (RSSI, SNR, MCS, retries, CCA и др.);
• Разработка lightweight inference решений для запуска моделей на aarch64 устройствах;
• Оптимизация моделей под ограничения embedded-среды (CPU, RAM);
• Построение пайплайнов дообучения моделей на новых данных (continuous training);
• Визуализация и мониторинг метрик качества моделей и их влияния на сеть;
Стек:
• Python middle+ (разработка моделей, обработка данных) + PyTorch (обучение моделей)
• ONNX Runtime (inference на устройствах)
• Time-series базы данных
• Linux, Bash, базовое понимание работы WiFi (RSSI, SNR, MCS, retries и др.)
• MLOps: MLflow, Docker, Git (CI/CD: GitLab CI)
• Мониторинг (Prometheus / Grafana)

Требования:

• Уверенное владение Python (PyTorch, Pandas, NumPy)
• Практический опыт с задачами регрессии, классификации
• Понимание ограничений embedded-среды и оптимизации моделей
• Опыт работы с ONNX / оптимизацией inference

Плюсом будет:
• Опыт построения распределённых ML-систем
• Знание протоколов и инструментов: hostapd / wpa_supplicant, iw, tcpdump, logread
• Опыт работы с WiFi стандартами (802.11n/ac/ax, OFDMA, MU-MIMO)

Условия:

• Стабильная выплата ЗП
• Комбинированный, гибкий график
• Возможность частичной удаленной работы после испытательного срока.

Личные качества:
• Аналитический склад ума
• Высокая самоорганизация, целеустремленность
• Желание обучаться и развиваться
• Умение работать в команде
Иностранные языки:
• Свободное чтение технической литературы на английском языке