- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Миддл / Сеньор C++ разработчик (inference / llama.cpp)
Оценка ИИИнтересная ниша (AI/ML), работа с актуальным стеком (llama.cpp) и понятная локация в Санкт-Петербурге. Компания занимается прибыльными продуктами, что дает определенную стабильность.
Сложность вакансии
Оценка ИИВысокая сложность обусловлена необходимостью глубоких знаний C++ и специфики инференса больших языковых моделей (llama.cpp). Работа на стыке системного программирования и ML требует понимания оптимизации под железо и работы с тензорными вычислениями.
Анализ зарплаты
Оценка ИИДля позиций Middle/Senior C++ в сфере AI/ML в Санкт-Петербурге рынок предлагает конкурентные условия. Указанный диапазон соответствует средним значениям для опытных системных разработчиков в высокотехнологичных компаниях.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Boiler Lab уже сейчас
Присоединяйтесь к Boiler Lab и создавайте передовые AI-решения на базе llama.cpp в самом сердце Санкт-Петербурга!
Описание вакансии
Миддл / Сеньор C++ разработчик (inference / llama.cpp)
в Boiler Lab — компания, специализирующаяся на создании прибыльных цифровых продуктов и услуг, развивающая собственную экосистему в нескольких ключевых направлениях: AI & ML, SaaS и блокчейн.
Офис (Санкт-Петербург). Гибкое начало рабочего дня.
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- C++
- Machine Learning
- SaaS
- AI
- Blockchain
- Inference
- llama.cpp
Возможные вопросы на собеседовании
Проверка понимания основного инструмента, указанного в вакансии.
Какие основные оптимизации в llama.cpp позволяют запускать тяжелые модели на потребительском железе?
Важно для высокопроизводительного инференса.
Расскажите о вашем опыте работы с SIMD-инструкциями (AVX, NEON) для ускорения вычислений.
Критический навык для C++ разработчика в AI.
Как бы вы реализовали эффективное управление памятью при работе с KV-кэшем для длинных контекстов?
Проверка навыков многопоточного программирования.
Какие приемы синхронизации потоков вы считаете наиболее эффективными при параллельной обработке запросов к модели?
Оценка умения работать с современными стандартами языка.
