ML Engineer (Fine-tuning LLM)

Добрый день!

Мы "VICTORY group" являемся одним из лидирующих рекламных агентств России. Наши клиенты — это крупнейшие автохолдинги, застройщики, медицинские центры и другие компании различных отраслей.

Более 15 000 компаний каждый месяц доверяют нам!

Ведём работу по двум направлениям:

1. Управление репутацией

Мы более пяти лет работаем в сфере репутационного маркетинга в интернете.
Лучше всех в России понимаем, как работать с негативом.
Помогаем в создании положительного образа компании с гарантией.

2. Лидогенерация

Можем найти заинтересованных клиентов в любой сфере.
Применяем инновационные решения в интернет-маркетинге, показываем лучшие результаты на рынке.

Обязанности:

• Проведение полного цикла fine-tuning LLM: от анализа данных до production-внедрения;
• Создание и разметка качественных датасетов для обучения диалоговых моделей;
• Проведение экспериментов с различными методами fine-tuning (LoRA, QLoRA, full fine-tuning);
• Оптимизация гиперпараметров и архитектуры моделей для улучшения качества диалогов;
• Разработка и настройка ML-пайплайнов для обучения и мониторинга моделей;
• Интеграция моделей в production-систему голосовых звонков;
• Анализ и обработка corner cases для улучшения обработки сложных диалогов;
• Настройка inference-серверов (vLLM/TGI) и оптимизация latency;
• Внедрение MLOps практик: CI/CD, мониторинг качества моделей, версионирование;
• Тесное взаимодействие с командой ML-инженеров по методологии Scrum.

Требования:

• Fine-tuning LLM: 2+ года практического опыта, минимум 2 успешных production проекта;
• Создание датасетов: умение разрабатывать качественные датасеты для fine-tuning с нуля;
• PyTorch: уверенное владение выше среднего уровня;
• Голосовые модели: опыт работы с LLM для voice assistants или conversational AI;
• Теория ML: глубокое понимание теории машинного обучения;
• Production опыт: локальное развертывание и inference обученных моделей;
• Наличие актуального портфолио с описанием минимум 2-х реальных продакшн-проектов.

Будет плюсом:

• Фреймворки для fine-tuning: Hugging Face, Axolotl, LLaMA Factory, LoRA, QLoRA;
• MLOps инструменты: MLflow, Weights & Biases, TensorBoard;
• RAG системы: Retrieval-Augmented Generation для улучшения контекста;
• RLHF опыт: Reinforcement Learning from Human Feedback;
• Open-source вклад: публикации на Hugging Face, GitHub проекты;
• Публикации: статьи, исследования, конференции по ML/NLP.

Условия:

• ​​​​​​​​​​​​​​​​​​​​​Удаленный формат работы, полный рабочий день;
• Уровень заработной платы от 200 000 рублей (обсуждаем индивидуально на собеседовании);
• Перспектива профессионального и карьерного роста.