machine learning engineer

Добавь резюме в профиле, а нейросеть определит твою категорию. Затем ты сможешь генерировать сопроводительные письма для вакансий этой категории

Команда строит меньшие, более быстрые и эффективные модели без потери качества, работая на стыке исследований и продакшена. Вам нужно будет проектировать и внедрять пайплайны дистилляции знаний (teacher–student, self-distillation, multi-teacher и т.п.), дистиллировать большие базовые модели в компактные для инференса, запускать и анализировать крупные эксперименты по обучению для оценки качества, задержки и затрат, сотрудничать с исследователями для перевода идей в готовый код, оптимизировать производительность обучения и инференса по памяти, пропускной способности и задержке, вносить вклад в внутренние инструменты, фреймворки оценки и трекинг экспериментов.

• Сильный бэкграунд в машинном обучении или глубоком обучении
• Практический опыт с дистилляцией моделей (LLM или другие нейросети)
• Хорошее понимание динамики обучения, функций потерь и оптимизации
• Опыт с PyTorch (или JAX) и современными инструментами ML
• Умение запускать эксперименты на multi-GPU или распределённых системах
• Способность рассуждать о компромиссах качества модели и производительности
• Прагматичный подход: фокус на выкатке, а не только на бумагах
• Будет плюсом опыт дистилляции LLM или больших последовательных моделей, оптимизация инференса (квантизация, прореживание, ядра и т.п.), знакомство с оценкой языковых моделей, опенсорс-вклад или публикации, работа в ранних или быстрых стартапах

• Высокая степень владения проектом и прямое влияние на продукт и роадмап
• Небольшая старшая команда с сильной культурой исследований и инженерии
• Конкурентная компенсация и значительная доля в компании
• Удалённая дружелюбная среда с приоритетом асинхронности