ML-инженер

О нас

Мы разрабатываем интеллектуальные системы для автоматизации бизнес-процессов. Наш фокус — глубокий семантический анализ неструктурированных данных. Мы создаем решения, которые извлекают, классифицируют и маршрутизируют информацию из сложных визуальных источников (банковские досье, сканы, сфотографированные документы) с использованием передовых нейросетевых архитектур и классического Computer Vision.

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…