ML Engineer (LLM)

От 3 до 6 лет•Полная занятость•Полный день
Казань, Казань, Кремлевская, Площадь Тукая, Суконная слобода, Спартаковская улица, 2

Обязанности:

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

— Оптимизация inference-пайплайнов для высоконагруженных систем (10 000+ одновременных пользователей).

— Квантизация моделей (GPTQ, AWQ, GGUF, SmoothQuant и др.).

— Fine-tuning и дообучение LLM (SFT, LoRA/QLoRA, RLHF/DPO).

— Подбор моделей, проведение экспериментов и исследований в сфере LLM.

— Разработка решений на основе LLM: RAG, агенты, function calling и др.

Улучшение существующих решений и мониторинг качества моделей в промышленной эксплуатации.

Требования:

— 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 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 с диффузионными, image/video/audio generation моделями и их fine-tuning/оптимизацией.

Условия:​​​​​​​

Официальное трудоустройство в соответствии с ТК РФ;

Стабильная «белая» заработная плата, выплаты два раза в месяц (5 и 20 число), уровень зарплаты обсуждается по итогам интервью;

Комфортный офис в центре города (новый айти-парк);

График работы, 5/2;

Поддержка профессионального развития;

Участие в конференциях и обучающих мероприятиях за счет компании;

Демократичный, молодой коллектив.

Неформальные встречи и корпоративные мероприятия.

Бронирование через военкомат при наличии военного билета (для военнообязанных) и айти-отсрочка.

Дресс-код casual

ID 838800• 2 (+1 сегодня)•Публикация: 13.11.2026•

Похожие вакансии