Research Engineer — Agentic Audio ML Workflows

О позиции

Команда Bose разрабатывает новые алгоритмы обработки звука на основе ИИ, которые должны работать в реальном времени на физических устройствах. Мы создаём агентов и системы автоматизации, которые ускоряют исследования и повышают их воспроизводимость, оркестрируя обучение, оценку и отчётность для различных моделей машинного обучения. Вы будете работать с гибридной инфраструктурой (on-premise + облачные GPU) и сотрудничать с исследователями в области аудио и DSP.

Чем заниматься

• Проектировать и внедрять агентные workflows для планирования, запуска, мониторинга и анализа аудио ML-экспериментов
• Автоматизировать подготовку данных, обучение моделей, поиск гиперпараметров, бенчмаркинг и регрессионное тестирование
• Создавать инструменты для распределения задач на GPU, отслеживания экспериментов и управления артефактами
• Интегрировать LLM-powered агенты со скриптами, репозиториями, датасетами и вычислительными ресурсами
• Партнёрить с аудиоисследователями для создания переиспользуемых workflow и отчётных дашбордов

Что ждут

• Высшее образование в computer science, machine learning, electrical engineering или equivalent practical experience
• Сильные навыки software engineering и Python с опытом построения LLM agents или agentic workflows
• Опыт работы с ML training pipelines, PyTorch, experiment tracking и automated testing
• Практический опыт работы с Linux GPU-машинами, CUDA, контейнерами и job scheduling
• Базовые знания audio ML и DSP включая common datasets и model development workflows
• Навыки построения надёжных observable систем и коммуникации с научными сотрудниками

Будет плюсом

• Опыт работы с orchestration frameworks, distributed training, CI/CD или MLOps
• Знание методов регуляризации и оптимизации аудио моделей

Условия

• Конкурентная базовая зарплата и bonus программы
• Комплексные health и welfare benefits
• План 401(k)
• Эксклюзивные perks для поддержки wellbeing
• Корпоративная скидка на продукцию Bose

Навыки

• Python
• PyTorch
• Linux
• CUDA
• Docker
• MLOps
• LLM Agents
• Agentic Workflows
• GPU Orchestration
• CI/CD
• Audio Processing
• DSP

Могут спросить на собеседовании

1. Как вы строите agentic workflow для автоматизации ML-экспериментов?
2. Расскажите о вашем опыте работы с GPU-кластерами и CUDA.
3. Как вы подходите к обеспечению воспроизводимости ML-экспериментов?
4. Какие метрики вы используете для оценки качества аудио моделей?
5. Опишите сложную проблему, которую вы решили экспериментальным путём.