По данной вакансии просим звонить по номеру: 8 (800) 333-30-73. Обязанности: Проектировать и обучать большие языковые и мультимодальные модели (от 7B параметров): подготовка корпусов, токенизация, pretraining, SFT, RLHF/DPO. Организовывать распределённое обучение на GPU-кластерах (FSDP, DeepSpeed ZeRO-3, Megatron-LM, tensor/pipeline parallelism), повышать утилизацию вычислительных ресурсов. Разрабатывать и оптимизировать собственные CUDA/Triton-ядра для обучения и инференса. Сжимать модели для промышленного инференса: квантизация (INT4/FP8, GPTQ, AWQ), дистилляция, прунинг, спекулятивное декодирование. Укладываться в жёсткие требования по задержке и стоимости. Строить RAG-системы и агентные архитектуры промышленного масштаба с оценкой качества, защитой от галлюцинаций и prompt injection. Разрабатывать системы рекомендаций и ранжирования в реальном времени на нагрузке от 100 000 RPS. Проектировать ML-платформу компании: feature store, model registry, CI/CD моделей, автоматическое переобучение, мониторинг дрейфа данных и деградации качества. Проектировать и проводить онлайн-эксперименты: A/B-тесты, causal inference, uplift-моделирование. Вести исследования на уровне state-of-the-art, воспроизводить и адаптировать свежие научные статьи под задачи бизнеса. Отвечать за архитектуру ML-направления, проводить code review. Защищать технические решения перед руководством, оценивать финансовый эффект моделей.
Требования:
Высшее образование по математике, прикладной математике, информатике или физике. Опыт коммерческой разработки ML-систем от 8 лет, из них не менее 3 лет в роли ведущего или главного инженера. Опыт обучения и дообучения больших языковых моделей в распределённой среде на многоузловых GPU-кластерах. Экспертное знание Python и C++, опыт написания CUDA-ядер или ядер на Triton. Глубокое знание PyTorch, включая внутреннее устройство (autograd, compile, распределённые примитивы). Опыт с инференс-фреймворками: vLLM, TensorRT-LLM, Triton Inference Server, ONNX Runtime. Глубокие знания математики: линейная алгебра, теория вероятностей, математическая статистика, методы оптимизации, теория информации. Опыт построения высоконагруженных систем: Kubernetes, Kafka, gRPC, распределённые хранилища, профилирование и оптимизация производительности. Опыт работы с MLOps-инструментами: MLflow, Kubeflow, Airflow, DVC, Feast, Ray. Опыт работы с большими данными: Spark, ClickHouse, объёмы от сотен терабайт. Знание принципов информационной безопасности ML-систем: adversarial-атаки, защита данных, федеративное обучение, дифференциальная приватность. Английский язык на уровне свободного чтения и написания технической документации и научных статей. Будет преимуществом: Учёная степень (кандидат наук / PhD) по машинному обучению или смежной области. Публикации на ведущих конференциях (NeurIPS, ICML, ICLR, ACL, CVPR, KDD). Опыт pretraining LLM с нуля на крупных кластерах (от 256 GPU). Вклад в open-source проекты в области ML (мейнтейнер или активный контрибьютор крупных библиотек). Призовые места в соревнованиях по анализу данных (Kaggle Grandmaster / Master или аналог). Опыт выступлений на профильных конференциях.Похожие вакансии
Инженер по снабжению (ведущий инженер)
От 46 000 до 56 000 руб.
Самара
АКЦИОНЕРНОЕ ОБЩЕСТВО "АВИААГРЕГАТ"
Ведущий инженер по медицинскому оборудованию (ведущий инженер по медтехнике)
От 110 000 руб.
Самара
Глазная Клиника Бранчевского