Просмотр вакансии

ЧЕМ ВЫ БУДЕТЕ ЗАНИМАТЬСЯ:

• Строить системы извлечения и анализа ключевой информации из документов (PDF/сканы/HTML/DOCX), парсинг web-сайтов;

• Разрабатывать RAG-системы, включая выбор эмбеддингов, стратегии чанкинга, гибридный поиск (BM25+dense), reranking, обучение ретривера, генератора, Reward-модели, мониторинг качества;

• Обучать/дообучаать LLM на multi-node/multi-GPU: SFT/PEFT/LoRA, SFT+DPO, проводить распределённое обучение (FSDP/DeepSpeed), профилировать и оптимизировать;

• Отвечать за инференс и оптимизацию больших языковых моделей: внедрение и настройка vLLM, TensorRTLLM, Triton; реализация батчинга, спекулятивного декодирования и квантования; оптимизация соотношения качества, латентности и стоимости инференса;

• Проводить оценку качества: дизайн датасетов и сценариев, автоматические метрики (RAGAS, faithfulness, precision/recall), human-in-the-loop, онлайн-эксперименты и A/B.

МЫ ЖДЕМ, ЧТО ВЫ:

• Имеете не менее 5лет опыта в области ML/DS и не менее 2лет работы с LLM в промышленной эксплуатации, а также можете продемонстрировать подтверждённые кейсы внедрений (с метриками, ссылками или результатами);

• Обладаете экспертизой в извлечении информации: умеете работать с NER, проектируете схемы и онтологии, обеспечиваете структурированный вывод (в том числе через JSON Schema и constrained decoding), выполняете постпроцессинг и валидацию данных;

• Имеете практический опыт работы с RAG: владеете векторными БД (Pinecone, Weaviate, Qdrant, Milvus), реализуете гибридный поиск и rerankers, разрабатываете стратегии чанкинга и аннотации метаданными, управляете свежестью индекса;

• Занимались разработкой агентных систем: работали с LangChain, LangGraph или LlamaIndex, проектировали и оркестрировали инструменты, реализовывали обработку ошибок;

• Имеете опыт многоузловой и многоGPUтренировки LLM: владеете PyTorch, FSDP/DeepSpeed, запускаете обучение на Slurm или K8s, проводите профилирование и выявляете узкие места;

• Умеете проводить finetuning и организовывать инференс для открытых и проприетарных моделей (например, Qwen, Gemma), а также работаете с OpenAI API;

• Уверенно владеете Python и PyTorch, хорошо знакомы с экосистемой Hugging Face (Transformers, Tokenizers, PEFT, Accelerate), имеете опыт работы с MLflow или ClearML;

• Умеете работать с данными из документов: применяете OCRрешения (VLM, PaddleOCR, Surya и др.), парсите PDF, HTML, DOC, XML;

• Обладаете базовым пониманием смежных областей (классификация, кластеризация, обработка речи), чтобы корректно выбирать подход: использовать LLM или классические методы ML;

• Владеете английским языком на уровне, достаточном для чтения профессиональных статей и технической документации.

БУДЕТ ПЛЮСОМ, ЕСЛИ ВЫ:

• Можете предоставить ссылки на GitHub с реализованными RAGсистемами, демонстрирующими ваш практический опыт;

• Имеете опыт формулирования бизнестребований и разработки концептуального дизайна для LLMприложений, включая проработку сценариев использования и функциональных спецификаций;

• Умеете рассчитывать и аргументированно обсуждать с заказчиками финансовый эффект от внедрения LLMрешений, можете привести примеры расчётов экономического эффекта из реализованных проектов;

• Принимали участие в соревнованиях и хакатонах, посвящённых разработке чатботов и RAGсистем, и можете продемонстрировать достигнутые результаты или решения;

• Обладаете пониманием классических NLPзадач и имеете практический опыт их реализации (классификация текста, извлечение сущностей, суммаризация и др.), умеете сопоставлять их с возможностями LLM;

• Имеете опыт в продинженерии и MLOps: работаете с Docker и Kubernetes, настраиваете мониторинг (Prometheus, Grafana), внедряете CI/CDпайплайны, интегрируете сервисы через REST, Kafka или gRPC;

• Обладаете опытом работы в доменноспецифичных сферах с интенсивным использованием документов (финтех, юриспруденция), понимаете особенности обработки и анализа текстов в этих областях.

ЧТО МЫ ПРЕДЛАГАЕМ:

• Достойный уровень вознаграждения;
• ДМС со стоматологией с первого месяца работы;
• Отпуск 33 дня;
• Полное соблюдение ТК РФ.