Разработчик инфраструктуры голосового ввода в команду Алисы

В колонке с Алисой значительная часть алгоритмов работает прямо на устройстве. Это позволяет обеспечивать быстрый отклик, повышать приватность и снижать нагрузку на серверы. Наша команда разрабатывает и поддерживает инфраструктуру, которая делает возможной работу голосовых технологий на «железе» с ограниченными ресурсами: от оптимизации моделей до инструментов для их встраивания и обновления.

Для масштабной работы у нас есть:

• Множество DL-исследований на PyTorch.
• Сотни современных видеокарт для наших экспериментов.
• Большие языковые модели Яндекса, обученные на огромных корпусах текста.
• Высокопроизводительный продакшен на GPU и C++.
• Активно развивающийся продукт и сильная команда.

Внедрение и поддержка моделей обработки речи
Вы будете интегрировать и развивать алгоритмы голосовой персонализации, шумоподавления, эхоподавления, распознавания речи и других технологий.

Оптимизация производительности
Предстоит снижать потребление ресурсов и повышать скорость работы голосовых моделей, чтобы они стабильно работали на устройствах с ограниченными вычислительными возможностями.

Обеспечение качества и стабильности
Важная часть работы — следить за качеством, стабильностью и низкой задержкой голосового ввода во всех продуктах, включая колонку с Алисой, Алису в авто и Телемост.

Взаимодействие с командами
Нужно будет тесно работать с исследователями и разработчиками алгоритмов, помогать интегрировать их решения в инфраструктуру устройства.

Больше о бэкенде в Яндексе — в канале Yandex for Backend

• Владеете Python и C++: имеете уверенные навыки низкоуровневого программирования и оптимизации
• Понимаете основы работы нейронных сетей и их использования на устройствах с ограниченными ресурсами
• Имеете опыт разработки и отладки многопоточных или высоконагруженных систем
• Работали в Linux-среде, знаете инструменты контейнеризации и автоматизации Docker и CI/CD
• Умеете разбираться в чужом коде и предлагать улучшения архитектуры

• Работали с библиотеками для машинного обучения: PyTorch, TensorFlow, ONNX Runtime, TFLite
• Оптимизировали модели для мобильных и встраиваемых устройств
• Знакомы с методами оценки качества распознавания речи и аудиоалгоритмов
• Участвовали в разработке SDK или инфраструктурных библиотек