ML Engineer (LLM)

Требуется LLM-инженер на проекты регионального масштаба, направленные на улучшение качества жизни жителей Республики Татарстан

Обязанности:

• Деплой, конфигурирование и поддержка LLM-сервисов в продакшне (vLLM, SGLang, TGI и др.);

• Оптимизация inference-пайплайнов для высоконагруженных систем (3k+ concurrent users);

• Квантизация моделей (GPTQ, AWQ, GGUF, SmoothQuant и пр.);

• Fine-tuning и дообучение LLM (SFT, LoRA/QLoRA, RLHF/DPO);

• Подбор, эксперименты и исследования в сфере LLM;

• Разработка и реализация алгоритмов на основе LLM (RAG, agents, function calling и пр.);

• Улучшение существующих решений и мониторинг качества моделей в проде.

• Основной язык Python. Будет плюсом знание GoLang или C++;

• Уверенное знание LLM-serving фреймворков: vLLM, SGLang и других фреймворков для Text Generation Inference— понимание их архитектурных отличий, сценариев применения, преимуществ и ограничений;

• Глубокое понимание механизмов оптимизации инференса: continuous batching, PagedAttention, speculative decoding, flash attention, tensor parallelism, pipeline parallelism;

• Опыт квантизации LLM: GPTQ, AWQ, GGUF, INT4/INT8, SmoothQuant;

• Опыт дообучения LLM: SFT, LoRA / QLoRA, DPO, RLHF — понимание когда и что применять;

• Работа с популярными open-source моделями (LLaMA, Mistral, Qwen, DeepSeek, GPT OSS) и их весами (HuggingFace Transformers);

• Понимание и практический опыт построения RAG-систем, цепочек промптов, agentic-пайплайнов;

• Опыт работы с высоконагруженными системами: оценка throughput/latency, профилирование, горизонтальное масштабирование, балансировка запросов;

• Базовое понимание аппаратной части: GPU-архитектуры (NVIDIA A100/H100/B200), VRAM management, NVLink, multi-GPU setups;

• Понимание и изучение SOTA-решений в сфере LLM для последующей имплементации в проект;

• Знания базовых алгоритмов машинного обучения и основ трансформерных архитектур (attention, MoE, RoPE и пр.);

• Знание OpenAI-совместимых API;

• Опыт с multimodal LLM (Kimi K2.5, Qwen-VL и пр.).

Знание NLP:

• Знание классических и современных NLP-задач: NER, text classification, summarization, machine translation, question answering, text generation;
• Понимание этапов NLP-пайплайна: токенизация, нормализация, работа с BPE/SentencePiece/tiktoken;
• Опыт работы с embeddings-моделями (sentence-transformers, E5, BGE и пр.) и векторными хранилищами (Weaviate, Qdrant, Milvus, FAISS) в контексте RAG и semantic search;
• Понимание метрик качества NLP-моделей: BLEU, ROUGE, BERTScore, perplexity, human eval.

Будет плюсом:

• Понимание архитектур диффузионных моделей: DDPM, DDIM, LDM (Latent Diffusion), flow matching;
• Опыт работы с text-to-image моделями (Stable Diffusion, FLUX, Kandinsky и пр.) и их компонентами — VAE, UNet/DiT, CLIP/text encoder
• Базовое понимание video generation моделей (Wan, CogVideoX, HunyuanVideo, Mochi и пр.) и их отличий от image-моделей
• Базовое понимание audio generation моделей (AudioCraft/MusicGen, Stable Audio, Bark и пр.)
• Опыт fine-tuning диффузионных моделей: DreamBooth, LoRA, ControlNet, IP-Adapter
• Знание inference-оптимизаций для диффузионок: SDXL Turbo / LCM / Lightning (distillation-подходы), cfg-distillation, tiling, xformers, torch.compile

• Опыт работы от 3 лет.

Условия:

• Работа в команде профессионалов над интересными проектами республиканского значения;

• Официальное трудоустройство, стабильная «белая» заработная плата (выплаты 2 раза в месяц);

• Удаленный формат работы;
• Заработная плата согласовывается по итогам собеседования с успешным кандидатом;
• График работы 5/2: стандартно с 10:00 до 18:00-19:00 (по задачам);
• Поддержка профессионального развития.

Оставляй свой отклик, и мы обязательно рассмотрим твое резюме!