Senior Deep Learning Engineer (Speech LLM)

Ориентир по рынку≈ 368 000 – 429 000 ₽наша приблизительная оценка по 17 вакансиям этой роли и грейда, у работодателя вилка не указана

≈ 4,5 тыс.–5,2 тыс. $

🏢 ОфисSeniorПолная занятость

≈ 368 000 – 429 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Смущает только, что вакансия висит давно.

2 из 4 в норме

Висит давно: что спросить, чтобы не откликаться в пустоту

Деньги

Сумму в объявлении не указали. Ориентир на созвон: столько платят в 17 похожих вакансиях ML Engineer уровня Senior.

платят меньше368 000 – 429 000 ₽ у половины таких вакансийплатят больше

Кроме оклада: премия и пересмотр зарплаты. Размер не назван, а от него зависит доход за год.

Вилки нет

Живость

Открыта уже 123 дня. Источник её держит, но за таким сроком часто стоит трудный найм или набор в резерв.

Висит дольше 90% вакансий того же грейда
Зарплата не указана

Открыта давно

Описание

Обязанности: 5, требования: 5. Понятно, что за работа, ещё до отклика.

Обещают: ДМС и компенсация спорта

Подробно

Что требуют

ОбязательноMLLLMPythonPyTorch

Надбавка к зарплате на этом уровне: LLM +29%, Python +14%.

Ясно

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

10 вопросов именно к этой вакансии: что спросить на первом созвоне

Когда откликаться

Стоит ли спешить: за сколько дней Сбер обычно закрывает вакансии

30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro

Наша компания

О проекте Мы ищем сильного Deep-Learning-инженера в команду, создающую ASR-системы нового поколения на пересечении технологий распознавания речи и audio-native LLM.

О роли

Один из наших главных вызовов сейчас — разработка Next Gen LLM-based ASR. Это инструктивная система, которая выходит далеко за рамки обычного speech-to-text: она будет поддерживать выдачу временных меток, диаризацию спикеров, тегирование звуковых событий и keyword prompting. База для быстрого старта уже готова: у нас есть мощный Foundation Encoder (GigaAM) и сильная диалоговая модель (GigaChat Aud

Чем предстоит заниматься

LLM-based & Next Gen ASR: обучение больших Audio-conditioned LLM. Расширение возможностей ASR за пределы простого транскрибирования: добавление инструктивности, временных меток, диаризации, тегов событий и keyword prompting

SFT & Online RL: проведение масштабных ML-экспериментов с Supervised Fine-Tuning и методами Online Reinforcement Learning для выравнивания модели и улучшения качества распознавания

Ecosystem Impact & Multimodal: использование обученной LLM-based ASR для автоматической разметки и создания высококачественных датасетов. Эти данные пойдут на улучшение текущих ASR- и TTS-моделей, а также станут базой для multimodal audio-native pre-training

Knowledge Distillation: дистилляция знаний из тяжелых LLM в быстрые и легкие модели (ASR, text normalization) для некоторых production-сценариев

Research & Engineering: анализ актуальных научных статей, быстрая проверка гипотез на практике и доведение успешных экспериментов до прода

Наши требования

Уверенное владение Python и PyTorch: написание чистого модульного кода, ООП, типизация, тесты

Distributed Training: уверенный практический опыт распределенного обучения больших моделей, понимание принципов работы под капотом (DDP, FSDP, Tensor Parallelism, Context Parallelism)

LLM Training: понимание современных пайплайнов обучения LLM (Pre-training, SFT, DPO, Online RL) и архитектур (DeepSeek3.2, Qwen3.5)

Research mindset: умение читать статьи, быстро перекладывать исследовательские идеи в работающий код и грамотно ставить эксперименты

Опыт работы с аудио и/или мультимодальными LLM будет большим плюсом