Data Scientist в команду LLM Train

Мы активно развиваем GenAI-направление в hh.ru. Уже сейчас в разных командах используются LLM-модели для генерации текстов, ведения диалогов, классификации и анализа вакансий и резюме. Направление является для нас стратегическим, поэтому сейчас мы ищем технического лидера, который поможет выстроить в компании системный подход к обучению и адаптации LLM-моделей под задачи HR-домена. Если вам интересно закладывать основу для устойчивого использования GenAI в продуктах — через LLM-модели, датасеты, метрики, процессы, которыми будут пользоваться десятки команд, и вы смотрите на ML не просто как на технологию, а как на инструмент влияния на продукт — мы будем рады видеть вас в нашей команде. Обязанности: Файнтюнинг Open Source LLM-моделей для решения HR-задач (генерация описания вакансий, общение с клиентами, анализ резюме, модерация и т.п.). Исследование и внедрение современных архитектур, а также подходов к обучению моделей. Создание и поддержка специализированных датасетов для адаптации моделей под HR-домен. Оптимизация моделей для production-среды (квантизация, дистилляция). Тесное взаимодействие с продуктовыми командами, командами оценки качества и MLOps для интеграции моделей в продукты и сервисы hh. Разработка стандартов и процессов обучения моделей и помощь другим командам в их внедрении. Требования: Глубокое понимание современных архитектур и методов обучения языковых моделей. Практический опыт файнтюнинга различных LLM под продуктовые задачи (SFT, PEFT, RLHF, LoRA, PPO, DPO, GRPO). Уверенное владение Python и экосистемой ML и LLM-инструментов (PyTorch, TRL, Accelerate, PEFT, Transformers, VLLM, etc). Живой интерес к сфере GenAI, опыт работы с популярными вендорными и open-source моделями (Qwen, Llama, DeepSeek, GPT-OSS). Практический опыт создания решений на базе LLM (prompt engineering, RAG, function calling, structured outputs, reasoning, agents). Понимание методов оценки качества LLM (бенчмарки, human eval, LLM-as-as-Judge) и метрик для различных NLP-задач. Умение балансировать исследовательские задачи и бизнес-требования. Будет плюсом Опыт распределенного обучения LLM на GPU-кластерах. Опыт внедрения LLM-решений в продакшн. Условия: Возможность выбора места работы: удаленно или из офиса. Гибкий график рабочего дня. Оформление в соответствии с ТК РФ, «белая» заработная плата, выплачиваемая точно в срок. Корпоративное ДМС с первого месяца работы (решаем вопросы со здоровьем быстро и удобно). Возможность профессионального развития, обучение за счет компании, участие в специализированных конференциях.