- Зарплата
- до 600 000 ₽
Research Engineer
Оценка ИИОтличное предложение с высокой зарплатой, возможностью удаленной работы из любой точки мира и работой над передовыми технологиями в известном финтехе. Единственный минус — очень высокий порог входа.
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 в области распределенного обучения (3D+ параллелизм) и низкоуровневой отладки LLM. Позиция требует редкого сочетания теоретической базы и серьезного инженерного опыта.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИПредлагаемая зарплата до 600 000 ₽ находится на верхней границе рынка для Senior/Lead Research ролей в России и СНГ, полностью соответствуя высоким требованиям к экспертизе в LLM.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
Research Engineer Точка Банк
Зарплата: до 600 000 ₽
Местоположение: Весь мир
Формат работы: Удаленно
Опубликована: 17.09.2026
Требования:
• Опыт в роли инженера-исследователя от трёх лет
• Хорошее понимание фундаментальных моделей
• Опыт обучения LLM в распределённом режиме с 3D+ параллелизмом
• Умение отлаживать сложные эксперименты на низком уровне
О компании:
Точка Банк — финтех-компания, создаёт продукты для предпринимателей и предприятий.
Контакт: Откликнуться
Откликнуться в LinkedIn
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- LLM
- Distributed Training
- 3D Parallelism
- Deep Learning
- Machine Learning Research
- Python
- PyTorch
Возможные вопросы на собеседовании
Проверка практического опыта работы с распределенным обучением на больших масштабах.
Расскажите о вашем опыте настройки 3D-параллелизма (Data, Pipeline, Tensor). С какими основными проблемами вы сталкивались при масштабировании?
Оценка навыков отладки, заявленных в требованиях.
Как вы подходите к отладке нестабильности градиентов или расхождения модели при обучении на сотнях GPU? Какие инструменты используете?
Проверка понимания архитектурных особенностей современных моделей.
В чем заключаются ключевые отличия в подходах к обучению Encoder-only, Decoder-only и Encoder-Decoder моделей в контексте LLM?
Оценка умения оптимизировать использование ресурсов.
Какие техники оптимизации памяти (например, FlashAttention, ZeRO, Activation Checkpointing) вы применяли и какой прирост производительности они давали?
Проверка актуальности знаний кандидата.
Какие последние статьи или методы в области фундаментальных моделей (Foundation Models) показались вам наиболее перспективными для применения в финтехе?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
