**Компания: **Международный продуктовый IT-проект (VoIP / Cloud Telephony) Занятость: Полная занятость Формат: Гибрид (офис в Ташкенте на 2–3 месяца → далее полная удаленка) **ЗП: **старт от $3500 до $5000 (обсуждается индивидуально)

Мы - продуктовая команда, создающая интеллектуальную экосистему облачной телефонии для рынков США и Канады. Наш продукт - это отказоустойчивая платформа с миллионными оборотами трафика. ML у нас - не вспомогательная фича, а фундамент системы, работающий в режиме real-time. Мы ищем инженера, который досконально понимает внутреннюю архитектуру аудио-моделей и готов отвечать за их работу в высоконагруженном продакшене.

Чем предстоит заниматься:

• Развитие системы AMD (Answering Machine Detection): дообучение и тюнинг моделей для классификации звонков (отличие человека от автоответчиков/IVR) в режиме реального времени.
• Full-cycle разработка: от сбора и «грязной» разметки аудиоданных до деплоя и калибровки порогов в продакшене.
• Интеграция в Core-продукт: перенос ML-компонентов в backend-инфраструктуру (C# / SIP / RTP стек) через ONNX Runtime.
• Оптимизация latency: борьба за миллисекунды в условиях стриминга аудио.
• Deep Analysis: поиск ошибок и разбор сложных edge cases в реальных сценариях звонков.
• Исследования (R&D): эксперименты с шумоподавлением, VAD и новыми архитектурами для обработки речи.

Наш стек: Python, C# wav2vec 2.0, Whisper, HuggingFace Transformers MFCC, эмбеддинги, спектрограммы ONNX / ONNX Runtime, Quantization SIP / RTP, Windows / Linux

Мы ожидаем:

• 2+ года опыта в ML в продакшене (когда ваша модель реально работала с пользователями).
• Практический опыт со Speech/Audio: понимание того, как устроены аудио-фичи и современные архитектуры обработки звука.
• Инженерный подход (QA-mindset): вам искренне интересно «копаться» в аномалиях данных и проверять систему на прочность.
• Понимание классики и современности: Fine-tuning, Transfer Learning и умение работать с метриками (Precision/Recall, ROC-AUC, Calibration).
• Способность работать end-to-end: от сырого файла до оптимизированного инференса.

Что важно:

• Инженерная автономность: мы ценим тех, кто сам находит проблему и доводит решение до продакшена.
• Бэкграунд: мы очень приветствуем кандидатов, пришедших в ML из Backend или QA, нам важна культура кода и тестирования.
• Готовность к динамике: проект растет, задач много, и они напрямую влияют на бизнес.

Будет плюсом:

• Опыт в Speech/Audio domain (ASR, VAD, Audio Classification).
• Понимание специфики VoIP и потоковой обработки данных.
• Опыт работы с MLOps и инструментами мониторинга моделей.

Условия:

• Обязательный оффлайн-онбординг в Ташкенте (2-3 месяца) для погружения в продукт, далее полная удаленная работа.
• Реальные production-задачи в международном продукте с высокой нагрузкой.
• Возможность профессионального роста и пересмотра компенсации по мере усложнения задач.
• Работа в команде с сильной инженерной экспертизой и отсутствием бюрократии.