- Страна
- Россия
LLM / ML Engineer
Оценка ИИИнтересная позиция для специалистов, желающих заниматься фундаментальным обучением LLM, а не только прикладным использованием API. Из минусов — отсутствие информации о компании и зарплатной вилке, но задачи выглядят амбициозно.
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 ИИВакансия требует глубокой экспертизы в обучении моделей с нуля (pre-training), а не просто дообучения (fine-tuning). Работа с параметрами до 10 млрд и специфическими задачами вроде function calling предполагает высокий уровень владения PyTorch и понимания архитектуры трансформеров.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИВ объявлении не указана зарплата, но для ML-инженеров уровня Senior с опытом обучения LLM с нуля рынок в России предлагает одни из самых высоких компенсаций в ИТ-секторе. Указанный диапазон отражает текущие реалии для специалистов, способных работать с моделями такого масштаба.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
#вакансия #LLM #MLengineer #DataScience #PyTorch #NLP
Ищем LLM / ML Engineer с практическим опытом обучения языковых моделей.
Задача — обучение с нуля специализированных моделей на 1–10 млрд параметров. Основные направления: разработка ПО, понимание сложных русскоязычных текстов и function calling.
Проекты для заказчиков под NDA — подробности обсудим лично.
Задачи:
– Подготавливать данные и выстраивать пайплайны обучения.
– Проводить эксперименты с архитектурами, методами и режимами обучения.
– Обучать модели с нуля и адаптировать их под целевые задачи.
– Оценивать качество моделей, анализировать ошибки и улучшать результаты.
Ожидания:
– Практический опыт обучения языковых моделей: от подготовки данных до оценки результата.
– Опыт аналогичных проектов либо адаптации готовых моделей методами, выходящими за рамки SFT.
– Уверенное владение Python и PyTorch.
– Понимание принципов обучения трансформеров и опыт работы с GPU.
Будет плюсом: опыт распределённого обучения, оптимизации памяти и скорости обучения, работы с моделями для кода и вызова инструментов.
Если у вас есть такой опыт или можете кого-то порекомендовать — пишите Откликнуться. Будет здорово, если кратко расскажете о проектах и своей роли в них.
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- LLM
- Machine Learning
- NLP
- Python
- PyTorch
- Transformers
- GPU
- Distributed Training
- Function Calling
Возможные вопросы на собеседовании
Проверка понимания фундаментальных основ обучения моделей с нуля.
Расскажите о вашем опыте подготовки датасета для pre-training: как вы фильтровали данные и боролись с дубликатами?
Важно понять, как кандидат справляется с ограничениями ресурсов при работе с моделями 1-10B.
Какие методы оптимизации памяти и распределенного обучения (например, DeepSpeed, FSDP) вы использовали на практике?
Вакансия предполагает работу над function calling.
Как бы вы организовали процесс обучения и оценки модели для стабильной работы function calling?
Проверка навыков анализа качества.
Какие метрики, помимо перплексии, вы считаете наиболее релевантными для оценки качества моделей, понимающих сложный русский язык?
Выявление опыта за рамками стандартного SFT.
Можете ли вы привести пример адаптации модели методами, отличными от SFT (например, DPO, PPO или специфические изменения в архитектуре)?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
