Staff Machine Learning Engineer

В Sonatus мы способствуем трансформации в область программно-определяемых транспортных средств с поддержкой ИИ. Традиционные методы автомобильного программного обеспечения не успевают за ожиданиями потребителей, сформированными мобильной индустрией, где функции быстро развиваются, бесшовно обновляются и постоянно улучшаются. Именно поэтому ведущие OEM-производители доверяют Sonatus ускорение этого сдвига. Наши технологии уже используются в производстве более чем 9 миллионов автомобилей на дорогах сегодня и стремительно расширяются.

Штаб-квартира Sonatus находится в Саннивейле, Калифорния, насчитывает более 250 сотрудников по всему миру. Мы сочетаем гибкость быстрорастущей компании с масштабом и влиянием признанного партнера. При поддержке сильного финансирования и подтвержденного глобального внедрения мы решаем одни из самых интересных и сложных задач в отрасли. Присоединяйтесь к нам и помогите переосмыслить возможные пути развития, формируя будущее мобильности.

Sonatus является мировым лидером в автомобильной промышленности, предоставляя ключевые технологии, которые обеспечивают интеллектуальные программно-определяемые транспортные средства. Наши решения уже используются на дорогах в миллионах автомобилей, и мы быстро расширяем наши предложения для производства ИИ на периферийных устройствах (Edge AI). Мы ищем отличного ведущего инженера машинного обучения (Staff Machine Learning Engineer) для присоединения к нашей опытной ML-команде и руководства разработкой Edge AI для самоосознанного мониторинга и прогнозирования состояния автомобиля. Вы будете работать в быстро развивающейся стартап-среде, где ваш код будет напрямую влиять на надежность парка автомобилей и создавать следующее поколение самоосознанных транспортных средств.

На этой должности вы будете создавать и развертывать модели ИИ, которые анализируют непрерывные данные, генерируемые в автомобиле во время повседневной эксплуатации, включая системные журналы (system logs), трассировки (traces) и внутренние сигналы автомобиля (Ethernet и CAN), для обнаружения и прогнозирования состояния различных подсистем и предсказания сбоев в режиме реального времени. Вы будете отвечать за сквозной ML-пайплайн — от приема данных и обучения моделей до их развертывания на ресурсоограниченных периферийных устройствах (edge devices) и оптимизации моделей. Ожидается, что вы будете сотрудничать с другими ведущими разработчиками, обладающими глубоким пониманием и опытом в области автомобильного программного обеспечения и систем, а также с другими разработчиками ИИ, работающими над MLOps и интеграцией моделей ИИ в автомобили, которые ожидаются на дорогах сегодня. Ожидается экспериментирование с передовыми архитектурами моделей и лучшими в своем классе инструментами разработки.

• Создание и обучение моделей AI Edge (например, Transformers, LLM, CNN, LSTM) для обработки неструктурированных журналов приложений, трассировок ядра (kernel traces) и мультимодальных данных
• Интеграция ML-потоков, включая облачные API LLM (Gemini, OpenAI, Claude), с акцентом на создание синтетических данных
• Разработка алгоритмов для автоматической кластеризации шаблонов журналов и обнаружения регрессий программного обеспечения, состояний гонки (race conditions) или предшественников сбоев
• Проектирование моделей обучения без учителя и с учителем (например, Autoencoders, Isolation Forests) для мониторинга временных рядов данных с шины CAN и бортовых датчиков
• Реализация логики для корреляции аномалий сигналов (например, всплесков напряжения, задержек) между различными модальностями и системными событиями для выявления первопричин
• Портирование и оптимизация моделей pytorch/TensorFlow для производственного использования на целевых устройствах с ограниченными CPU/GPU или встроенных NPU
• Применение квантования, обрезки (pruning), дистилляции и оптимизации памяти для обеспечения работы моделей в пределах строгих бюджетов RAM/Flash (речь идет о мегабайтах, а не гигабайтах)
• Определение стратегии данных для фильтрации на устройстве: предварительная обработка на устройстве и принятие решения о том, какие данные обрабатываются локально, а какие — в облаке
• Руководство архитектурой Edge ML-пайплайна и наставничество младших инженеров по лучшим практикам в области встроенного ИИ

• Степень бакалавра в области компьютерных наук, электротехники, программной инженерии или смежной области
• 7+ лет опыта работы в области машинного обучения, из которых 3+ года — в области Edge AI или встраиваемых систем
• Подтвержденный опыт наставничества младших инженеров в разработке программного обеспечения
• Экспертное владение Python (для обучения) и уверенное рабочее знание современного C++ (C++14/17 для инференса)
• Глубокое знание PyTorch или TensorFlow и опыт работы с движками инференса, такими как ONNX, TFLite или TVM
• Опыт применения техник обработки естественного языка (NLP) для парсинга текстовых данных, моделирования последовательностей (RNN/GRU) или легких LLM/SLM
• Опыт работы с библиотеками, такими как scikit-learn, tslearn или statsmodels, для обнаружения аномалий в данных датчиков
• Подтвержденная способность руководить техническими проектами от концепции до внедрения в неопределенной, быстро меняющейся среде. Способность общаться с заинтересованными сторонами и четко формулировать компромиссы
• Опыт развертывания в Edge-средах (например, на базе ARM), ручного управления памятью и работы с ограниченными вычислительными ресурсами
• Кандидаты с сильным опытом в области компьютерного зрения (CV) настоятельно приветствуются

Это гибридная должность с местоположением в Дублине, Ирландия, где вы будете обязаны работать в нашем офисе 3 дня в неделю.