Мы в Telegram
Чем предстоит заниматься:
- Масштабирование базовой модели A-vibe: исследование новых архитектур и подходов к обучению.
- Оптимизация скорости и стоимости инференса высоконагруженных моделей в продакшене.
- Проектирование и помощь в разработке внутренних LLM-платформ и multi-agent-систем.
- Построение надёжной инфраструктуры для оценки качества моделей (evaluation).
Требования:
- Хорошо понимаете основы машинного и глубокого обучения, знаете устройство Transformer и базовые подходы к работе с NLP-моделями.
- Имеете практический опыт обучения или дообучения нейросетевых моделей и работы с датасетами, метриками и валидацией.
- Уверенно пишете на Python, умеете работать с PyTorch и знакомы с базовыми инженерными практиками: Git, тестирование, Code Review.
- Умеете корректно ставить эксперимент, сравнивать подходы и объяснять, почему получился тот или иной результат.
- Можете самостоятельно доводить до результата задачу с понятной постановкой, вовремя подсвечивать риски и обращаться за помощью, когда она нужна.
- Интересуетесь LLM, читаете технические материалы и готовы быстро осваивать новые инструменты и подходы.
Будет плюсом:
- имеете не менее 3 лет опыта реализации и эксплуатации ML-решений;
- Работали с Hugging Face Transformers, PEFT/LoRA или другими инструментами дообучения LLM.
- Имеете опыт с современными NLP-моделями либо участвовали в их внедрении в продакшен.
- Знакомы с инструментами распределённого обучения или оптимизации инференса: DeepSpeed, vLLM, SGLang, TensorRT-LLM и аналогами.
- Использовали MLOps-инструменты для трекинга экспериментов и версионирования данных: Weights & Biases, MLflow, DVC и другие.
- Участвовали в исследовательских проектах, open-source-разработке или соревнованиях по машинному обучению.