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
CICADA8 разрабатывает продукты и услуги для выявления и управления уязвимостями в кибербезопасности, создаёт технологии защиты информации и помогает клиентам повышать безопасность бизнеса. Команда работает с LLM, дообучением моделей и агентскими системами для задач информационной безопасности.
задачи
Дообучать и адаптировать LLM под задачи информационной безопасности, готовить данные для обучения и оценивать качество результата;
Разворачивать, оптимизировать и сопровождать on-prem модели в закрытом контуре компании;
Проектировать и разрабатывать агентские системы на архитектурном уровне;
Создавать мультиагентные пайплайны, организовывать память и оркестрацию, настраивать взаимодействие агентов и обрабатывать сложные сценарии;
Строить и развивать RAG-пайплайны для внутренних продуктов;
Быстро проверять гипотезы, прототипировать, собирать PoC и MVP, оценивать метрики и качество моделей;
Собирать и обрабатывать датасеты по тематике информационной безопасности;
Выстраивать масштабируемые MLOps / LLMOps-процессы, выбирать инструменты и обеспечивать стабильную работу моделей в продакшене;
Проводить эксперименты и A/B-тесты, мониторить и постоянно улучшать качество моделей и агентов.
требования
Уверенный опыт в NLP и дообучении LLM: SFT, LoRA / QLoRA, PEFT;
Практический опыт разворачивания и оптимизации on-prem моделей;
Сильный опыт разработки агентских систем и понимание их архитектуры;
Уверенное владение LangChain, LangGraph, LlamaIndex, Agno и аналогами;
Опыт построения RAG-пайплайнов;
Опыт построения MLOps / LLMOps-процессов;
Уверенное владение ML-фреймворками: PyTorch, TensorFlow, scikit-learn, XGBoost, CatBoost, Transformers;
Опыт работы с большими объёмами данных;
Практический опыт коммерческой разработки с ONNX, TensorRT, FastAPI, NATS, Docker;
Умение формировать и обрабатывать датасеты, а также анализировать метрики качества моделей;
Опыт работы от 3 до 6 лет;
Будет плюсом опыт в RnD.
условия
ДМС с первого месяца работы со 100% покрытием медицинских расходов, включая стоматологию;
Скидки и специальные предложения от партнёров на фитнес, курсы английского и другие активности;
Участие во внешних конференциях и повышение квалификации за счёт компании;
Гибкий график;
Работа в команде профессионалов и открытая корпоративная культура.