Вакансия из Telegram канала - Мэтч & Сопровод
Покажет вашу совместимость и напишет письмо
Описание вакансии
TL;DR
ML Engineer (Generative AI): Разработка, обучение, тонкая настройка и внедрение генеративных моделей для изображений, видео, текста и мультимодальных данных с акцентом на управление и оценку LLM, оптимизацию инференса и MLOps. Фокус на построении масштабируемых конвейеров обучения и инференса, улучшении согласованности генерации и эксплуатации высокопроизводительных GPU-сервисов.
#астана #удаленно
ML Engineer
METEORO platform
📍Remote
Задачи:
- Разработка генеративных моделей: проектирование, обучение, тонкая настройка, оценка и внедрение генеративных моделей для приложений, работающих с изображениями, видео, текстом и мультимодальными данными.
- Генерация изображений и видео: улучшение визуального качества, соблюдения промптов, пространственного выравнивания, согласованности персонажей и объектов, а также временной согласованности в генеративном видео.
- Исследования в области управления LLM: исследование и внедрение методов управления и ограничения поведения LLM, включая настройку инструкций, структурированное генеративное создание, декодирование с ограничениями, использование инструментов, защитные механизмы, оптимизацию предпочтений и управляемые результаты.
- Оценка LLM: создание систем оценки по следующим критериям: выполнение инструкций, надежность, соответствие фактам, безопасность, согласованность результатов, точность использования инструментов, а также устойчивость к внедрению посторонних подсказок или непреднамеренному поведению.
- Оптимизация моделей: оптимизация конвейеров обучения и инференса с точки зрения задержки, пропускной способности, использования памяти, качества генерации и затрат на инфраструктуру.
- Построение конвейеров: создание масштабируемых конвейеров обработки данных, обучения, тонкой настройки, оценки и инференса в реальном времени.
- Интеграция в производственную среду: сотрудничество с инженерами по программному обеспечению и данным для интеграции генеративных моделей в существующие продукты и производственные системы.
- MLOps: автоматизировать тестирование, развертывание, мониторинг, откат, переобучение и непрерывную оценку моделей.
Исследования и эксперименты: анализировать последние исследования в области генеративного ИИ, воспроизводить перспективные методы и определять их практическую ценность для использования в производственной среде
Необходимые навыки:
- Опыт: не менее 3 лет профессионального опыта в области машинного обучения и разработки программного обеспечения.
- Генеративный ИИ: обширный практический опыт разработки или внедрения моделей генеративного ИИ.
- Модели обработки изображений и видео: глубокое понимание диффузионных моделей и современных архитектур генерации изображений или видео.
- Большие языковые модели (LLM): опыт работы с подсказками для LLM, их тонкой настройкой, оценкой, структурированными выводами, вызовом инструментов и методами управления поведением.
- Фреймворки машинного обучения: практический опыт работы с PyTorch или TensorFlow.
- Машинное обучение в производственной среде: опыт перевода моделей из стадии прототипа в производственную среду и эксплуатации надёжных сервисов инференса.
- Инфраструктура: опыт развёртывания моделей на серверах с графическими процессорами (GPU) без операционной системы и на облачных платформах.
- Инженерия: глубокие навыки работы с Python и в области разработки программного обеспечения, включая тестирование, мониторинг, отладку и оптимизацию производительности.
Будет плюсом:
- Опыт работы с управляемым генератором, настройкой инструкций, RLHF, DPO, обучением с подкреплением или другими методами оптимизации предпочтений.
- Опыт работы с декодированием с ограничениями, вызовом функций, агентными системами, механизмами обеспечения безопасности, тестированием «красной команды» и автоматизированной оценкой LLM.
- Опыт работы с мультимодальными моделями, сочетающими текст, изображения, видео или аудио.
- Подтверждённая способность улучшать временную согласованность, пространственное совмещение, сохранение идентичности и качество движения в сгенерированном видео.
- Опыт оптимизации вычислений на GPU с использованием квантования, пакетной обработки, кэширования, компиляции или распределённого выполнения.
- Опыт работы с платформами MLOps, реестрами моделей, отслеживанием экспериментов и системами наблюдаемости.
- Знакомство с конвейерами CI/CD и инфраструктурой как кодом.
- Подтвержденный опыт эксплуатации производственных систем с высокой пропускной способностью и низкой задержкой.
ML Engineer
METEORO platform
📍Remote
Задачи:
- Разработка генеративных моделей: проектирование, обучение, тонкая настройка, оценка и внедрение генеративных моделей для приложений, работающих с изображениями, видео, текстом и мультимодальными данными.
- Генерация изображений и видео: улучшение визуального качества, соблюдения промптов, пространственного выравнивания, согласованности персонажей и объектов, а также временной согласованности в генеративном видео.
- Исследования в области управления LLM: исследование и внедрение методов управления и ограничения поведения LLM, включая настройку инструкций, структурированное генеративное создание, декодирование с ограничениями, использование инструментов, защитные механизмы, оптимизацию предпочтений и управляемые результаты.
- Оценка LLM: создание систем оценки по следующим критериям: выполнение инструкций, надежность, соответствие фактам, безопасность, согласованность результатов, точность использования инструментов, а также устойчивость к внедрению посторонних подсказок или непреднамеренному поведению.
- Оптимизация моделей: оптимизация конвейеров обучения и инференса с точки зрения задержки, пропускной способности, использования памяти, качества генерации и затрат на инфраструктуру.
- Построение конвейеров: создание масштабируемых конвейеров обработки данных, обучения, тонкой настройки, оценки и инференса в реальном времени.
- Интеграция в производственную среду: сотрудничество с инженерами по программному обеспечению и данным для интеграции генеративных моделей в существующие продукты и производственные системы.
- MLOps: автоматизировать тестирование, развертывание, мониторинг, откат, переобучение и непрерывную оценку моделей.
Исследования и эксперименты: анализировать последние исследования в области генеративного ИИ, воспроизводить перспективные методы и определять их практическую ценность для использования в производственной среде
Необходимые навыки:
- Опыт: не менее 3 лет профессионального опыта в области машинного обучения и разработки программного обеспечения.
- Генеративный ИИ: обширный практический опыт разработки или внедрения моделей генеративного ИИ.
- Модели обработки изображений и видео: глубокое понимание диффузионных моделей и современных архитектур генерации изображений или видео.
- Большие языковые модели (LLM): опыт работы с подсказками для LLM, их тонкой настройкой, оценкой, структурированными выводами, вызовом инструментов и методами управления поведением.
- Фреймворки машинного обучения: практический опыт работы с PyTorch или TensorFlow.
- Машинное обучение в производственной среде: опыт перевода моделей из стадии прототипа в производственную среду и эксплуатации надёжных сервисов инференса.
- Инфраструктура: опыт развёртывания моделей на серверах с графическими процессорами (GPU) без операционной системы и на облачных платформах.
- Инженерия: глубокие навыки работы с Python и в области разработки программного обеспечения, включая тестирование, мониторинг, отладку и оптимизацию производительности.
Будет плюсом:
- Опыт работы с управляемым генератором, настройкой инструкций, RLHF, DPO, обучением с подкреплением или другими методами оптимизации предпочтений.
- Опыт работы с декодированием с ограничениями, вызовом функций, агентными системами, механизмами обеспечения безопасности, тестированием «красной команды» и автоматизированной оценкой LLM.
- Опыт работы с мультимодальными моделями, сочетающими текст, изображения, видео или аудио.
- Подтверждённая способность улучшать временную согласованность, пространственное совмещение, сохранение идентичности и качество движения в сгенерированном видео.
- Опыт оптимизации вычислений на GPU с использованием квантования, пакетной обработки, кэширования, компиляции или распределённого выполнения.
- Опыт работы с платформами MLOps, реестрами моделей, отслеживанием экспериментов и системами наблюдаемости.
- Знакомство с конвейерами CI/CD и инфраструктурой как кодом.
- Подтвержденный опыт эксплуатации производственных систем с высокой пропускной способностью и низкой задержкой.
Будьте осторожны: если работодатель просит войти в их систему, используя iCloud/Google, прислать код/пароль, запустить код/ПО, не делайте этого - это мошенники. Обязательно жмите "Пожаловаться" или пишите в поддержку. Подробнее в гайде →
Текст вакансии взят без изменений
Источник -
