ML-инженер

Описание

ML-инженер в музыкальный сервис Qildo Музыка — это не только звук, но и данные, структура, ритм, гармония и множество задач, которые можно решать с помощью машинного обучения. В Qildo мы разделяем треки на инструменты, создаём ноты и табы и превращаем сложную аудиообработку в понятный инструмент для музыкантов. Ищем ML-инженера, который поможет развивать ML-часть продукта: от подготовки данных и смелых экспериментов до стабильного запуска моделей в продакшене. Здесь можно напрямую влиять на качество сервиса, быстро проверять гипотезы и видеть, как улучшения работают на реальных треках. Чем предстоит заниматься Развивать и обучать модели разделения музыкальных источников и автоматической транскрипции аудио в ноты и табулатуры. Работать с задачами beat tracking, определения темпа, тональности и музыкальной структуры. Подготавливать, очищать и размечать датасеты; создавать аугментации для повышения устойчивости моделей к различным жанрам, аранжировкам и качеству записей. Планировать и проводить ML-эксперименты, сравнивать подходы и фиксировать результаты. Оценивать качество моделей с помощью SDR, note F1 и других релевантных метрик. Разрабатывать постобработку нот, табов и предсказаний моделей, включая расчёт и интерпретацию уверенности результатов. Оптимизировать инференс для CPU и GPU: ускорять обработку, снижать потребление памяти и поддерживать качество результата. Интегрировать модели в Python-воркер и доводить решения до стабильного использования в продукте. Разбирать пользовательские жалобы на конкретные треки, находить причины ошибок и предлагать улучшения пайплайна. Участвовать в выборе технических решений, формировании бэклога и приоритизации ML-задач. Что важно для этой роли Уверенно владеть Python и самостоятельно обучать и дорабатывать модели в PyTorch. Иметь практический опыт в аудио ML, music information retrieval или смежных задачах обработки звука. Понимать принципы подготовки датасетов: очистку, разметку, балансировку, аугментации и разделение на выборки. Уметь выстраивать воспроизводимые эксперименты, интерпретировать метрики и принимать решения на основе результатов. Знать Git, Docker и Linux — это понадобится для совместной разработки, запуска экспериментов и внедрения моделей. Быть готовым самостоятельно вести задачу: формулировать гипотезу, проверять её, документировать выводы и предлагать следующий шаг. Коммерческий опыт не обязателен: важнее сильные учебные, исследовательские, pet-проекты или open-source вклад с самостоятельно обученными моделями. Будет преимуществом Игра на музыкальном инструменте или глубокое понимание музыкальной теории. Опыт работы с инструментами MIR и библиотеками для анализа аудио. Практика оптимизации инференса, профилирования моделей и подготовки решений к продакшену. Знакомство с MIDI, Guitar Pro, MusicXML и форматами музыкальных данных. Умение эффективно использовать ИИ-ассистенты для разработки, исследования и ускорения рутинных задач. Условия и возможности Удалённая работа с гибким графиком и частичной занятостью. Основной формат взаимодействия — письменные обсуждения; созвоны проводим по необходимости. Оформление по договору ГПХ. Доступ к GPU, собственным данным сервиса и готовым скриптам для экспериментов. Возможность быстро выводить модели в продакшен и видеть результат своей работы в продукте. Старт — как можно скорее. Подробности о данных, архитектуре и внутренних процессах обсудим после первого разговора и подписания NDA. Как будет проходить отбор Первый этап — самостоятельно разобрать работу сервиса Qildo, кратко описать наблюдения и предложить, с какого улучшения ML-части стоит начать. Второй этап — оплачиваемая пробная задача продолжительностью 1–2 недели на данных и GPU компании. Как откликнуться В отклике расскажите о модели, которую вы обучали самостоятельно: какую задачу решали, какие данные использовали, как оценивали результат и что получилось улучшить. Приложите ссылку на код, статью или описание проекта, если она есть. Также укажите музыкальный инструмент, если играете, доступное количество часов в неделю и желаемый уровень оплаты. О компании Hushpeak — первая в России бесшумно-цифровая студия для репетиций и записи живых выступлений со стереомониторингом. На базе студии развиваются направления продажи музыкального и IT-оборудования, проведения мероприятий и производства развлекательного контента в музыкальной индустрии. Qildo — один из проектов команды на стыке музыки, технологий и машинного обучения.