ML engineer в NLP

Описания нет

Разрабатывать и улучшать решения на базе LLM и NLP-моделей. Решать задачи классификации, скоринга, extraction и анализа текстовых данных. Работать с LLM-as-a-judge. Работать с многоязычными данными, в том числе низкоресурсными языками. Разрабатывать пайплайны обработки и анализа больших объёмов текстовых данных. Формировать и поддерживать validation / evaluation datasets для LLM-моделей. Разрабатывать методологию оценки качества LLM: метрики, пороги, error analysis, post-hoc проверки.

Работать с prompt engineering и системными промптами, уменьшать количество false positive / false negative срабатываний. Оптимизировать inference: batching, quantization, использование GPU-ресурсов и скорость обработки. Интегрировать модели в production-пайплайны. Поддерживать уже работающие модели: мониторинг качества, поиск деградаций и разбор ошибок. Работать с неструктурированными данными: текстами, web-контентом, OCR и результатами анализа изображений. Проводить эксперименты и доводить успешные исследования до стабильного production-решения.

Хорошее знание Python. Уверенное знание SQL. Практический опыт работы с LLM / NLP. Практический опыт работы с VLM / multimodal-моделями. Понимание принципов работы Transformer-моделей. Опыт работы с open-source LLM:
Qwen, Llama, Mistral или аналогами. Опыт работы с Hugging Face / Transformers. Понимание подходов к prompt engineering. Умение строить качественные validation datasets и проводить error analysis. Понимание того, почему одной accuracy недостаточно для оценки LLM-систем. Опыт работы с классическими NLP-задачами: classification, embeddings, similarity, information extraction. Опыт работы с Airflow и построения production ML/data pipelines. Опыт работы с Click House. Опыт работы с S3-совместимыми хранилищами.

Умение самостоятельно проводить исследование: от постановки гипотезы и анализа данных до работающего прототипа. Способность превращать исследовательский код в воспроизводимое production-решение. Git и базовые навыки работы с Linux. Будет плюсом: Опыт работы с vLLM; Опыт quantization моделей: 4-bit / 8-bit; Опыт работы с PyTorch; Опыт работы с embedding-моделями и RAG; Опыт построения LLM evaluation framework; Опыт работы с multilingual NLP; Опыт fine-tuning / LoRA / PEFT;

Опыт работы с OCR; Опыт работы с Docker; Опыт работы со Slurm; Опыт использования GPU-инфраструктуры и понимание особенностей inference больших моделей

Полностью удаленный формат работы из любой точки мира; Стабильная заработная плата; Работа в международной команде классных специалистов; Возможности расти и прокачивать экспертизу.