Senior ML Engineer

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

ML-инженер в международную продуктовую компанию Social Discovery Group. Отвечает за ML-направление: пост-тренинг LLM, агентные системы и оценку качества диалоговых продуктов.

Задачи

• Определять ML-направление: выбирать стратегические ставки и связывать их с бизнес-потребностями
• Вести пост-тренинг и адаптацию LLM end-to-end: от построения датасетов до fine-tuning и preference optimization
• Проектировать и строить agent harness и LLM-системы с использованием инструментов
• Формировать multi-agent workflow для ускорения работы команды
• Строить фреймворки оценки и системы LLM-as-a-judge, предсказывающие реальное качество
• Улучшать качество диалогов: память, эмоциональный интеллект, консистентность персоны, безопасность, анти-луп поведение
• Выводить в продакшн системы, влияющие на пользовательский опыт, retention и монетизацию

Требования

• Экспертный уровень Python: чистый код, типизация, async, multiprocessing, профилирование, отладка, notebooks и продакшн-код
• Transformers
• Обучение и fine-tuning LLM
• SFT, LoRA/QLoRA, PEFT
• Preference optimization: DPO / ORPO / SimPO / CPO / GRPO или готовность быстро углубиться
• Построение датасетов для обучения LLM: очистка, фильтрация, дедупликация, preference pairs, синтетические данные, hard negative mining
• Оценка LLM: offline evals, pairwise evals, LLM judges, human annotation
• Дизайн agent harness: tool calling, function calling, structured outputs, retries, routing, state management, memory/context, guardrails
• Продакшн-интеграция LLM: API, streaming, batching, fallbacks, компромиссы cost/latency
• Observability для агентов: трейсы, логи tool-call, анализ транскриптов, кластеризация сбоев
• Сильное понимание архитектуры трансформеров и поведения современных LLM
• Точность работы с dtype/device/batching: fp32/fp16/bf16, квантизация, CUDA-память, избегание dtype mismatch багов
• Git, Docker, Linux, базовый MLOps
• Свободный русский язык, готовность работать в часовом поясе CET (±2)

Условия

• Удалённая работа на полную занятость
• Уровень оплаты обсуждается на этапе рекрутинга
• Отпуск 28 календарных дней в год
• 7 wellness-дней в год
• Бонусы до $5000 за рекомендацию кандидатов
• Оплата 50% профессионального обучения, международных конференций и встреч
• Корпоративная скидка на уроки английского
• Компенсация здоровья до $1000 gross в год при отсутствии корпоративной страховки
• Организация рабочего места: оборудованное место в офисе или коворкинге либо компенсация до $1000 gross раз в 3 года
• Внутренняя геймифицированная система благодарностей с обменом на мерч, тимбилдинги, массаж

Навыки

• Python
• Transformers
• LLM
• SFT
• LoRA
• QLoRA
• PEFT
• DPO
• ORPO
• SimPO
• CPO
• GRPO
• LLM evaluation
• LLM-as-a-judge
• tool calling
• function calling
• structured outputs
• CUDA
• квантизация
• Git
• Docker
• Linux
• MLOps
• vLLM
• TGI
• SGLang
• DeepSpeed
• FSDP
• Accelerate