ML-инженер

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.