Novera
Главная/Карьера / Направление

Карьера / Направление

ML / NLP и LLM

Работа с языковыми моделями включает качество ответа и стоимость его получения. Инженер строит RAG-пайплайны, адаптирует модели и интегрирует их через API в приложение.

Рабочие задачи

  • Использование API и дообучение (fine-tuning) больших языковых моделей под бизнес-задачи клиента.
  • Построение пайплайнов для RAG (Retrieval-Augmented Generation): работа с векторными базами данных (Pinecone, Weaviate, Qdrant, FAISS), чанкинг, эмбеддинги, управление промптами.
  • Оптимизация инференса LLM (квантизация, vLLM, TensorRT-LLM, ONNX Runtime) для обеспечения скорости и экономии ресурсов.
  • Разработка API-оберток и микросервисов для интеграции NLP-моделей в продуктовую среду (FastAPI, Docker, Kubernetes).
  • Активная коммуникация с заказчиком: уточнение требований к качеству генерации, презентация результатов.

Профильные навыки

  • Коммерческий опыт разработки в NLP.
  • Уверенное владение Python и основными библиотеками: Hugging Face Transformers, Datasets, Tokenizers.
  • Опыт работы с LLM: fine-tuning (LoRA, P-tuning, QLoRA) и инференс на масштабируемых архитектурах.
  • Понимание принципов работы трансформеров, механизмов внимания, архитектур encoder-only / decoder-only.
  • Опыт построения RAG-систем: выбор эмбеддеров, настройка ранжирования, пост-обработка результатов.
  • Знание MLOps-инструментов: MLflow, Weights & Biases, опыт деплоя моделей в облака (AWS/GCP/Azure).
  • Знание фреймворков для агентных систем: LangChain, LlamaIndex, AutoGen.
  • Опыт с open-source LLM и их развёртыванием на собственных мощностях (vLLM, Text Generation Inference).

Коммерческий опыт

Рассматриваем Junior+, Middle и Senior. Минимум для каждого направления: 6 месяцев коммерческого опыта по профилю. Курсы и личные проекты могут дополнить его.

Курсы и личные проекты не заменяют коммерческий опыт.

Плюсом будет опыт применения AI-инструментов в коммерческой работе: с проверкой результата тестами и ревью, соблюдением конфиденциальности.

Расскажите о своём опыте

Опишите NLP- или RAG-задачу, модель и способ оценки ответов. Укажите опыт дообучения, развёртывания и оптимизации инференса.

Рассказать об опыте

Знакомимся со специалистами этого направления для будущих проектов. Эта страница не является объявлением об открытой вакансии.