СберML Engineer (ML HomeOS)
гибрид, Москва
Команда ML HomeOS в SberDevices — обучение, дообучение и интеграция языковых и encoder/seq2seq моделей для голосового ассистента и персонализации умных устройств; задача — обеспечить контекстное понимание, стабильный продакшен‑инференс и масштабируемые ML‑пайплайны.
ГрейдMiddle/Senior
Опытот 3 лет
Стек
TransformersLoRAPEFTRLHFDistillationQuantizationKV-cacheML-пайплайны
Задачи
- •обучение и дообучение языковых моделей для HomeOS
- •проведение SFT и применение parameter-efficient fine-tuning (LoRA/adapters/prefix/prompt)
- •обучение и адаптация encoder/seq2seq и классификаторов
- •построение и поддержка пайплайнов обучения и переобучения моделей
- •оптимизация моделей под продакшен‑ограничения (латентность, память, масштабирование)
- •взаимодействие с инфраструктурными командами для интеграции в ML‑платформу
Обязательно
- •опыт работы в ML/NLP от 3 лет
- •практический опыт fine-tuning трансформеров
- •опыт работы с LoRA/adapters/PEFT-подходами
- •понимание архитектур encoder-only/decoder-only/encoder-decoder
- •опыт обучения классификаторов и encoder/seq2seq моделей
- •понимание ML‑продакшена: версионирование, воспроизводимость и стабильность инференса
- •навыки построения ML‑пайплайнов и работы с оркестраторами
Будет плюсом
- •опыт участия в pretraining или large-scale fine-tuning проектах
- •понимание продакшен‑особенностей эксплуатации LLM
- •опыт domain adaptation и data‑centric подходов
- •опыт распределённого обучения и оптимизации инференса
- •опыт работы с ML‑инфраструктурой для high-load систем
- •опыт с RLHF / preference optimization
- •опыт distillation, quantization и inference optimization (KV-cache, batching)
