- Страна
- Великобритания
- Зарплата
- от 5 000 $
Откликайтесь
на вакансии с ИИ

Senior ML Engineer - LLM Training & Serving
Отличное предложение для опытных инженеров: работа в венчурной студии из Кремниевой долины, высокая зарплата в долларах и возможность работать над сложными задачами полного цикла без ограничений сторонних API. Широкая география удаленной работы добавляет привлекательности.
Сложность вакансии
Роль требует глубокой экспертизы не только в ML, но и в MLOps: необходимо уметь самостоятельно обучать веса моделей и настраивать инфраструктуру для их обслуживания под нагрузкой. Высокий порог входа обусловлен требованием 5-летнего опыта и навыков работы с on-premises кластерами.
Анализ зарплаты
Предложенная зарплата от $5,000 является конкурентной для уровня Senior ML Engineer на международном рынке, особенно учитывая возможность удаленной работы из регионов с более низкой стоимостью жизни (LATAM, Балканы, Кавказ). Верхняя граница рынка для таких специалистов в США может достигать $8,000-$10,000, но для распределенных команд это очень достойное предложение.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом

Откликнитесь в Unimatch Lab уже сейчас
Присоединяйтесь к Unimatch Lab и создавайте передовые ML-решения для продуктов из Кремниевой долины!
Описание вакансии
Вакансия: Senior ML Engineer - LLM Training & Serving
Компания: Unimatch Lab
Формат: #remote
Локация: EU, Albania, Andorra, Bosnia and Herzegovina, the United Kingdom, Iceland, Liechtenstein, Moldova, Monaco, Montenegro, North Macedonia, Norway, San Marino, Serbia, Switzerland, Georgia, Armenia, Turkey, LATAM
Уровень: Senior
Compensation: from $5,000 month base
Unimatch Labis an AI-driven venture studio from Silicon Valley. We build a portfolio of AI products and our own ML stack - including local LLM clusters and in-house training and serving.
We are hiring a Senior ML Engineer who owns the full in-house loop: data, fine-tuning, evaluation, and self-hosted production - not prompt-only work or third-party LLM APIs. Personal and sensitive data stay on-premises.
What you'll do:
- Fine-tune LLM/VLM models (LoRA/QLoRA, distillation) through production-ready weights
- Run eval as a release gate: field-level metrics, held-out sets, train/test leakage checks
- Own data workflows: teacher-labeling, versioned datasets, validated synthetic data
- Operate self-hosted inference under load: vLLM, batching, quantization, structured JSON outputs
- Keep the ML loop documented end to end so it is not tied to one engineer
Who we're looking for
- 5+ years delivering ML systems to production, including high-load AI
- You train model weights yourself - not only prompts or RAG integration
- Self-hosted LLM serving in production (vLLM or equivalent)
- Full cycle shipped: data -> fine-tune -> eval -> prod traffic
- Strong Python, Docker/Kubernetes, CI/CD; in-house ML only for sensitive data
If this matches your skills and mindset - apply via Откликнуться
Создайте идеальное резюме с помощью ИИ-агента

Навыки
- Python
- Docker
- Kubernetes
- CI/CD
- LLM
- VLM
- LoRA
- QLoRA
- vLLM
- Quantization
- MLOps
Возможные вопросы на собеседовании
Проверка практического опыта оптимизации моделей для продакшена.
Расскажите о вашем опыте использования LoRA/QLoRA: с какими основными трудностями вы сталкивались при дообучении и как оценивали качество полученных весов?
Оценка навыков работы с инфраструктурой инференса, указанной в вакансии.
Как вы оптимизируете работу vLLM для обработки больших батчей и обеспечения структурированного вывода (JSON) при высокой нагрузке?
Важный аспект вакансии — работа с данными без сторонних API.
Каков ваш подход к созданию и валидации синтетических данных для обучения, чтобы избежать переобучения или утечки данных (train/test leakage)?
Проверка инженерной культуры и навыков документирования.
Как вы организуете версионирование датасетов и моделей, чтобы процесс обучения был воспроизводимым и понятным для других членов команды?
Проверка опыта работы с on-premises инфраструктурой.
Был ли у вас опыт развертывания ML-сервисов в закрытых контурах (on-premises) с использованием Kubernetes? Какие специфические ограничения это накладывало?
Похожие вакансии
Senior/Lead AI Engineer
Senior Computer Vision Engineer
Senior NLP Engineer
GenAI разработчик
Архитектор мультиагентных систем на базе LLM
Senior ML разработчик (AI Engineering)
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!