СберСтажер-студент (Обучение LLM)
гибрид, Москва
Команда Центра практического ИИ работает над обучением и дообучением LLM под банковские сценарии. Вы будете готовить датасеты, запускать и анализировать эксперименты, а также оптимизировать инференс и внедрять модели для прикладных задач банка
ГрейдJunior
Стек
PythonH100 GPULinuxWeights & BiasesbashGPU-кластерыMLflowLangfuse
Задачи
- •обучение и дообучение LLM на GPU-кластерах
- •сбор, очистка и подготовка датасетов для pre-training и fine-tuning
- •анализ результатов экспериментов и улучшение качества моделей
- •запуск существующих и создание новых бенчмарков
- •оптимизация инференса и нагрузочное тестирование, внедрение моделей
Обязательно
- •студент последних курсов бакалавриата/магистратуры/аспирантуры технического ВУЗа (очно)
- •подтверждённый практический опыт обучения LLM (pre-training, fine-tuning, alignment) в учебных проектах или курсах
- •глубокое понимание архитектуры LLM, токенизации, построения пайплайнов, batching, mixed precision, распределённого обучения
- •опыт разработки на Python
- •опыт работы в Linux и знание стандартных bash-команд
- •умение работать в изолированном окружении без интернета
- •внимательность к деталям
Будет плюсом
- •опыт использования инструментов логирования экспериментов (Weights & Biases, MLflow, Langfuse)
- •опыт оптимизации инференса и хостинга моделей
- •разработка AI-агентов, знакомство с агентными фреймворками и multi-step workflows
