AI/ML-инженер LLM Python PyTorch
Наша клиентская компания — устоявшаяся технологическая организация, разрабатывающая продвинутые решения для обработки голоса и данных для телекоммуникационных провайдеров и государственных организаций. Её платформы обрабатывают большие объёмы IP-данных, голосовых и коммуникационных данных, поддерживая сложную аналитику и операционные сценарии на международных рынках. Компания ищет опытного AI/ML-инженера для разработки, тонкой настройки и развёртывания продвинутых возможностей машинного обучения в области обработки естественного языка, больших языковых моделей и связанных модальностей данных.
Обязанности:
- Проектировать, тонко настраивать и оценивать большие языковые модели для таких задач, как классификация текста, извлечение сущностей, суммаризация, анализ тональности и разговорный ИИ.
- Создавать и улучшать предметно-ориентированные обучающие наборы данных, включая подготовку данных, генерацию синтетических данных, качество аннотации и валидацию.
- Разрабатывать надёжные конвейеры машинного обучения для обработки текста, обучения моделей, оценки и производственного вывода.
- Применять методы параметрически-эффективной тонкой настройки, такие как LoRA, QLoRA, адаптеры, prompt tuning и instruction tuning.
- Исследовать паттерны Agentic AI и интегрировать модели с внешними инструментами, источниками данных и корпоративными рабочими процессами.
- Разрабатывать надёжные фреймворки оценки моделей с использованием автоматизированных бенчмарков, качественного обзора и оценки с участием человека.
- Улучшать производительность моделей за счёт квантизации, прунинга, дистилляции, оптимизации вывода и эффективного развёртывания.
- Сотрудничать с инженерными, продуктовыми и техническими командами для интеграции AI-возможностей в защищённые производственные среды.
- Оценивать новые фундаментальные модели и рекомендовать подходящие архитектуры для конкретных продуктов и требований клиентов.
- Способствовать воспроизводимым практикам ML-разработки, отслеживанию экспериментов, технической документации и производственному мониторингу.
Возможности: Роль предлагает работу над технически сложными AI-приложениями, связанными с крупномасштабными коммуникационными данными, обработкой языка и продвинутым развёртыванием моделей. Успешный кандидат будет вносить вклад в AI-возможности, используемые в сложных телекоммуникационных и государственных средах, работая с международной командой над новыми прикладными AI-сценариями. Возможны редкие командировки для встреч с клиентами, конференций или сотрудничества с другими офисами.
Требования:
- Степень бакалавра или магистра в области компьютерных наук, искусственного интеллекта, машинного обучения, науки о данных, математики или смежной дисциплины.
- Опыт работы в области ML-инженерии, прикладного AI или разработки глубокого обучения от четырёх лет.
- Сильное владение Python, PyTorch и экосистемой Hugging Face.
- Практический опыт работы с архитектурами трансформеров и большими языковыми моделями.
- Практический опыт тонкой настройки, оценки и оптимизации производительности моделей.
- Опыт с такими методами, как LoRA, QLoRA, PEFT, instruction tuning или аналогичными методами адаптации.
- Хорошее понимание токенизации, эмбеддингов, механизмов внимания, управления контекстом и вывода LLM.
- Опыт развёртывания моделей машинного обучения в производственных средах.
- Знакомство с Docker, отслеживанием моделей, контролем версий и воспроизводимыми ML-процессами.
- Сильные аналитические навыки и навыки решения проблем, способность оценивать качество моделей и улучшать производительность.
- Отличное владение английским языком в письменной и устной форме.
Желательно:
- Agentic AI и рабочие процессы с поддержкой инструментов.
- Интеграция Model Context Protocol.
- Автоматическое распознавание речи и преобразование речи в текст.
- Whisper, Wav2Vec2 или связанные речевые модели.
- Мультимодальные модели, объединяющие текст, аудио или визуальную информацию.
- Диффузионные модели и генерация синтетических данных.
- ONNX, TensorRT, квантизация или оптимизация вывода.
- Распределённое или многопроцессорное обучение моделей.
- Kubernetes, MLflow, Ray или аналогичные MLOps-технологии.
- Среды реального времени и потоковой передачи данных.
- Конфиденциальный, объяснимый или чувствительный к безопасности AI.
- Телекоммуникации, голосовая аналитика или приложения для работы с коммуникационными данными.