Lead ML Engineer
Оценка ИИВысокий балл за работу с передовыми технологиями (LLM, MoE) и open-source культуру. Проект в сфере AI-отношений является трендовым и перспективным, а удаленный формат работы по всему миру добавляет привлекательности.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИРоль требует исключительной технической экспертизы в узких областях: оптимизация инференса LLM, распределенное обучение и глубокое понимание архитектур MoE. Позиция уровня Lead подразумевает не только знание инструментов, но и умение выстраивать сложные пайплайны на уровне ядра.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИДля позиции Lead ML Engineer с такой глубокой специализацией в LLM и оптимизации инференса, рыночные вилки на глобальном рынке (особенно в AI-стартапах) начинаются от $8,000 и могут достигать $15,000+ в месяц. В объявлении зарплата не указана, но требования соответствуют верхнему сегменту рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Lead ML Engineer
Местоположение: Весь мир
Формат работы: Удаленно
Опубликована: 02.10.2026
Требования:
• Глубокий практический опыт оптимизации инференса LLM (SGLang, vLLM, TensorRT-LLM)
• Распределённый инференс/обучение: MoE, tensor/expert/pipeline parallelism, multi-node кластеры
• KV cache, attention kernels, batching, quantization, GPU profiling
• Обучение и дообучение LLM, включая post-training (RLHF, DPO)
О компании:
Платформа для AI-отношений — эмоционально интеллектуальных связей между людьми и AI-персонажами. Open-source модели, без обёрток над ChatGPT.
Контакт: Откликнуться
Откликнуться в LinkedIn
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- LLM
- vLLM
- TensorRT-LLM
- SGLang
- MOE
- RLHF
- DPO
- Quantization
- GPU Profiling
- PyTorch
Возможные вопросы на собеседовании
Проверка практического опыта работы с высоконагруженным инференсом.
Какие ключевые отличия в оптимизации вы видите при использовании vLLM по сравнению с TensorRT-LLM для моделей с архитектурой MoE?
Оценка понимания механизмов работы с памятью при работе с LLM.
Как вы подходите к оптимизации KV-кэша при реализации multi-node инференса для длинных контекстов?
Проверка навыков улучшения качества ответов моделей.
В чем заключаются основные сложности при внедрении DPO (Direct Preference Optimization) по сравнению с классическим RLHF?
Оценка опыта масштабирования систем.
Опишите ваш опыт настройки pipeline parallelism в multi-node кластерах: с какими узкими местами вы сталкивались чаще всего?
Проверка навыков низкоуровневой оптимизации.
Какие инструменты и метрики вы используете для профилирования GPU при поиске причин деградации производительности attention kernels?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
