- Страна
- Россия
Middle / Senior Data Scientist (команда LLM Core)
Оценка ИИАвито — один из лучших работодателей в РФ с сильной инженерной культурой. Вакансия предлагает работу над передовыми LLM-технологиями, доступ к мощному железу и отличный соцпакет, включая ДМС и бюджет на обучение.
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 ИИВысокая сложность обусловлена требованиями к глубоким знаниям архитектуры Transformer, опыта работы с LLM (SFT, RLHF, квантование) и навыками оптимизации инференса на больших масштабах. Требуется не только исследовательский, но и сильный инженерный бэкграунд.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для позиций Middle+/Senior Data Scientist в области LLM в Москве рыночный диапазон составляет от 350 000 до 600 000 рублей и выше, в зависимости от квалификации и бонусов. Авито обычно предлагает конкурентоспособные условия, соответствующие верхней границе рынка.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Middle / Senior Data Scientist (команда LLM Core)
*🏢* Компания: Авито
*🌍* Формат: Удалённая работа или офис/гибрид (Москва)
О компании:
Авито — крупная российская платформа объявлений: более 230 млн активных объявлений и месячная аудитория свыше 72 млн пользователей. Платформа охватывает товары, авто, недвижимость и услуги; в компании работает более 10 000 сотрудников.
Задачи:
• Формулировать и проверять гипотезы по pre-training, continual pre-training, post-training, RL и синтетическим данным.
• Вести сложные исследовательские и инженерные задачи — от метрик и дизайна экспериментов до реализации и внедрения.
• Масштабировать обучение и инференс: профилировать узкие места, оптимизировать квантованием и speculative decoding.
• Строить надёжные процедуры оценки качества, анализ ошибок, проектировать датасеты и метрики.
• Писать production-код на Python и PyTorch, проводить code review и улучшать воспроизводимость экспериментов.
• Менторить коллег и участвовать в архитектурных обсуждениях и внутренних LLM-семинарах.
Требования:
• Не менее 3 лет опыта реализации и эксплуатации ML-решений.
• Глубокое понимание современных ML-алгоритмов, Transformer и принципов обучения LLM.
• Практический опыт обучения, адаптации или внедрения NLP‑моделей и умение превращать идеи в проверяемые эксперименты.
• Уверенное владение Python и PyTorch, хорошее знание инженерных практик разработки.
• Умение работать с неопределённостью: декомпозировать проблему, выбирать метрики и анализировать результаты.
• Понимание компромиссов между качеством, latency, throughput и стоимостью.
Будет плюсом:
• Опыт с continual pre-training, заменой или расширением токенизатора, SFT, LoRA или RL-подходами.
• Опыт распределённого обучения или оптимизации инференса (DeepSpeed, vLLM, SGLang, TensorRT-LLM).
• Построение пайплайнов оценки качества, синтетических датасетов и систем автоматического анализа ошибок.
• Работа с MLOps-инструментами: Weights & Biases, MLflow, DVC.
• Публикации, участие в open source или достижения в соревнованиях по ML.
Стек:
Python, PyTorch, LLM, Transformer, RL, LoRA, SFT, tokenizers, DeepSpeed, vLLM, SGLang, TensorRT-LLM, speculative decoding, Weights & Biases, MLflow, DVC
Условия:
• Влияние на продукт и решения, которые увидят миллионы пользователей.
• Сложные технологические задачи на большом масштабе и доступ к производительным GPU-кластерам.
• Сильное профессиональное комьюнити и регулярные LLM‑семинары.
• Бюджет на обучение, курсы, конференции и профессиональную литературу.
• ДМС со стоматологией с первого дня; в офисе принимают терапевт и массажист.
• Гибкость: удалённо или из офисов в нескольких городах России.
*📩* Откликнуться
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Python
- PyTorch
- LLM
- Transformer
- Reinforcement Learning
- LoRA
- SFT
- DeepSpeed
- vLLM
- SGLang
- TensorRT-LLM
- Weights & Biases
- MLflow
- DVC
- NLP
- MLOps
Возможные вопросы на собеседовании
Проверка понимания механизмов внимания и их влияния на производительность.
Расскажите о различиях между Multi-Head Attention, Grouped-Query Attention и Multi-Query Attention. В каких случаях стоит использовать каждый из них?
Оценка опыта оптимизации моделей для продакшена.
Какие методы оптимизации инференса LLM вы применяли на практике (например, Speculative Decoding, KV-caching, квантование)? Какого прироста throughput удалось достичь?
Проверка навыков работы с данными для обучения.
Как вы подходите к генерации и фильтрации синтетических данных для этапа SFT или Continual Pre-training? Какие метрики качества данных вы используете?
Оценка опыта распределенного обучения.
С какими проблемами вы сталкивались при использовании DeepSpeed или FSDP для обучения моделей с миллиардами параметров и как их решали?
Проверка понимания процессов дообучения.
В чем заключаются основные сложности при расширении токенизатора для специфического домена или языка в уже обученной модели?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
