АВИТО ТЕХ·Москва·29 сент.
Data Scientist в команду LLM Core
Ориентир по рынку≈ 325 000 – 400 000 ₽наша приблизительная оценка по 16 вакансиям этой роли и грейда, у работодателя вилка не указана
🏢 ОфисMiddleПолная занятость
Стоит ли откликаться
Стоит откликнуться, но спросите про деньги
Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Объявление живое, и что за работа, понятно из текста.
3 из 4 в норме
Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться
Деньги
Вилку работодатель не назвал. Ориентир на созвон: столько платят в 16 похожих вакансиях Data Scientist уровня Middle.
Живость
Открыта 20 дней, и признаков фиктивного найма у неё нет. Раньше не выкладывалась.
Описание
Обязанности: 10, требования: 6. Понятно, что за работа, ещё до отклика.
- Обещают
- ДМС со стоматологией, обучение за счёт компании и аккредитованная IT-компания
- Известно
- высокие нагрузки
Что требуют
ОбязательноLLMMLNLPPythonPyTorchMLOps
Надбавка к зарплате на этом уровне: Python +40%.
Полный разбор в Pro
Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме
Сколько просить
Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга
Ваше резюме против требований
Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика
Спросить у работодателя
Что стоит спросить: вопросы именно к этой вакансии для первого созвона
Когда откликаться
Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии
30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro
Наша компания
Наша команда обучает собственные базовые LLM и внедряет их в бизнес-сценарии Авито. Цель команды — обеспечить продукты моделями, которые подходят по качеству ответов и стоимости применения. Мы адаптируем open source-решения под русский язык и доменную специфику Авито с помощью continual pre-training и подмены токенизатора. Для развития моделей команда исследует новые методы, пайплайны, включая RL и синтетические данные, а также датасеты. Мы проводим регулярные LLM-семинары, где разбираем статьи и AI-тренды. Технический фокус команды — построение масштабируемого пайплайна для претрейна и дообучения LLM, а также оптимизация инференса: работа с современными движками, квантованием, speculative decoding и другими методами ускорения. Мы ищем Data Scientist в команду LLM Core. Вам предстоит создавать и развивать базовые языковые модели для аудитории Авито: от постановки исследовательской гипотезы и проведения экспериментов до внедрения решений в продакшен. В этой роли вы сможете влиять на архитектуру моделей, обучающие пайплайны и качество LLM-стека компании.
Чем предстоит заниматься
Формулировать и проверять гипотезы в области претрейна, continual pre-training, post-training, RL, синтетических данных и архитектур моделей
Самостоятельно вести сложные исследовательские и инженерные задачи: от постановки цели, выбора метрик и дизайна экспериментов до реализации, анализа результатов и внедрения
Масштабировать обучение и инференс: профилировать узкие места, повышать эффективность распределённого обучения и инференса, работать с квантованием, speculative decoding и современными inference-движками
Строить надёжные процедуры оценки качества, проводить анализ ошибок, находить регрессии и проектировать датасеты и метрики для сравнения моделей по качеству, latency и стоимости
Писать продакшен-код на Python и PyTorch, проводить code review, улучшать воспроизводимость экспериментов, надёжность и поддерживаемость ML-решений
Делиться знаниями, менторить менее опытных коллег, участвовать в архитектурных обсуждениях и внутренних LLM-семинарах. Роль не предполагает обязательного управления командой
Масштабировать базовую модель A-vibe: исследовать новые архитектуры и подходы к обучению
Оптимизировать скорость и стоимость инференса высоконагруженных моделей в продакшене
Проектировать и помогать разрабатывать внутренние LLM-платформы и мультиагентные системы
Строить надёжную инфраструктуру для оценки качества моделей
Наши требования
Имеете не менее 3 лет опыта реализации и эксплуатации ML-решений
Глубоко понимаете современные ML-алгоритмы, Transformer и принципы обучения LLM
Имеете практический опыт обучения, адаптации или внедрения NLP-моделей и умеете превращать идеи в проверяемые эксперименты
Умеете самостоятельно работать с неопределённостью: декомпозировать проблему, выбирать метрики, анализировать результаты и принимать технические решения
Уверенно пишете на Python, хорошо знаете PyTorch и инженерные практики разработки
Понимаете компромиссы между качеством, latency, throughput и стоимостью и учитываете их при выборе решения
Дополнительно
Работали с continual pre-training, заменой или расширением токенизатора, SFT, LoRA либо RL-подходами к post-training
Имеете опыт распределённого обучения или оптимизации инференса и знакомы с такими инструментами, как DeepSpeed, vLLM, SGLang или TensorRT-LLM
Строили пайплайны оценки качества, синтетические датасеты или системы автоматического анализа ошибок моделей
Работали с MLOps-инструментами для трекинга экспериментов и версионирования данных и моделей: Weights & Biases, MLflow, DVC или аналогами
Публиковали исследования, участвовали в open source-проектах или занимали высокие места в соревнованиях по машинному обучению
Возможность влиять на продукт: ваши решения будут улучшать опыт миллионов пользователей
Сложные технологические задачи на большом масштабе
Мощное железо: доступ к производительным GPU-кластерам для экспериментов
Сильное комьюнити: команда экспертов, с которой можно обсуждать идеи и подходы
Развитие: бюджет на обучение, курсы, конференции и профессиональную литературу
Забота о здоровье: ДМС со стоматологией с первого дня, в офисе принимают терапевт и массажист
Гибкость: возможность работать удалённо или из офисов в 4 городах России
Мы против мошенников на площадке: если тебя просят заплатить, продиктовать код или установить непонятное приложение, прекращай общение и сразу пиши нам (чат с основателем или форма обратной связи).