- Страна
- Россия
ML-инженер GigaChat
Оценка ИИЭто топовая позиция в одном из самых амбициозных AI-проектов России. Работа над GigaChat предлагает уникальный опыт, работу с огромными вычислительными мощностями и возможность влиять на продукт мирового уровня, хотя и требует максимальной отдачи.
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 глубокой экспертизе в LLM post-training и RL, а также необходимостью полной автономности в проведении ML-экспериментов. Работа в проекте уровня GigaChat подразумевает высочайшую планку качества кода и теоретических знаний.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, однако для ML-инженеров уровня Senior в Москве, работающих над LLM в крупных компаниях, рыночные предложения начинаются от 400 000 рублей и могут достигать 700 000+ рублей в зависимости от грейда.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
ML-инженер GigaChat
Местоположение: Москва
Формат работы: Удаленно
Опубликована: 29.07.2026
Требования:
• Умение самостоятельно вести работу от гипотезы до измеримого роста качества модели
• Хорошее знание Python и PyTorch
• Опыт в LLM post-training / online RL / RLVR
• Умение самостоятельно проводить ML-эксперименты от постановки гипотезы до выводов
Откликнуться опубликована в LinkedIn у Daniil Smirnov
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- Python
- PyTorch
- LLM
- Reinforcement Learning
- Machine Learning
Возможные вопросы на собеседовании
Проверка практического опыта в ключевой области вакансии.
Расскажите о вашем опыте внедрения RLVR или online RL: с какими основными трудностями вы столкнулись при настройке функции вознаграждения?
Оценка навыка самостоятельного ведения исследований, указанного в требованиях.
Опишите ваш самый успешный ML-эксперимент: как вы формулировали гипотезу и какими метриками измеряли итоговый рост качества модели?
Проверка понимания специфики обучения больших моделей.
Какие техники оптимизации памяти и скорости обучения в PyTorch вы используете при работе с LLM?
Оценка навыков работы с данными для дообучения.
Как вы подходите к фильтрации и подготовке датасета для этапа SFT или RLHF, чтобы избежать деградации модели?
Проверка умения анализировать результаты.
Если после проведения эксперимента метрики качества выросли, но модель стала давать менее разнообразные ответы, как вы будете решать эту проблему?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
