Если вы раньше входили через Google, сбросьте пароль для своей Gmail-почты через кнопку «Забыли пароль?» на экране входа. Затем войдите по email и новому паролю.
Если аккаунта ещё нет, зарегистрируйтесь с Gmail-почтой, после подтверждения почты мы предложим задать пароль.
Что нового
Загружаю обновления...
Что нового
Загружаю обновления...
Работа найдется быстрее с подпискойКандидат найдётся быстрее с подпиской
Чтобы адаптировать резюме под вакансию или составить сопроводительное письмо, загрузите резюме
описание
Описания нет
задачи
Интегрировать LLM в продукты и сервисы через API, бэкенд и конвейеры обработки данных;
Оценивать качество ответов моделей с помощью автоматических метрик и оценки людьми;
Обеспечивать безопасность, фильтрацию и соответствие этическим требованиям с помощью защитных механизмов;
Строить RAG-системы, индексировать данные, работать с векторными базами данных и оптимизировать качество поиска и генерации;
Взаимодействовать с продуктовой и ML-командой, участвовать в архитектурных решениях;
Оптимизировать производительность и стоимость вывода моделей с помощью квантизации, пакетной обработки и кэширования;
Работать с мультимодальными моделями текста, изображений и документов при необходимости;
Проектировать, обучать и дообучать LLM.
требования
Высшее образование в области информационных технологий, технических или математических наук;
Уверенно владеть Python и SQL;
Знать теорию вероятностей, математическую статистику и алгоритмы машинного обучения;
Знать алгоритмы обработки естественного языка;
Понимать устройство LLM, их дообучение и вывод моделей;
Иметь опыт развёртывания решений на основе ML и LLM с использованием Docker, Kubernetes и облачных платформ;
Иметь опыт работы с разработкой запросов к моделям, дообучением и PEFT, включая LoRA и адаптеры;
Иметь опыт реализации агентских сценариев;
Иметь опыт работы с векторными базами данных, включая оптимизацию индексов и запросов;
Иметь опыт работы с LangChain, LlamaIndex и Hugging Face;
Знать методы оценки LLM, включая BLEU, ROUGE, MMLU и собственные оценки;
Иметь опыт оптимизации вывода моделей с использованием vLLM, TensorRT и ONNX;
Иметь опыт работы с мультимодальными моделями;
Будет плюсом высшее образование в области информационных технологий, технических или математических наук, опыт работы с разработкой запросов к моделям, дообучением и PEFT, LoRA, адаптерами, RAG-подходами, агентскими сценариями, векторными базами данных, LangChain, LlamaIndex, Hugging Face, методами оценки LLM, vLLM, TensorRT, ONNX и мультимодальными моделями.