Meteoro
Зарплата: 2 500–3 500 USD net per month
Формат работы: Удаленно
Динамичная и инновационная среда в области AI Tech.
Обязанности
- Разрабатывать, обучать, дообучать, оценивать и внедрять генеративные модели для приложений с использованием изображений, видео, текста и мультимодальных данных
- Улучшать визуальное качество генерации изображений и видео: соответствие промптам, пространственное выравнивание, согласованность персонажей и объектов, временная согласованность
- Исследовать и внедрять методы управления LLM: instruction tuning, структурированная генерация, ограниченное декодирование, использование инструментов, механизмы безопасности, оптимизация предпочтений
- Создавать системы оценки для LLM: выполнение инструкций, надежность, фактическая точность, точность использования инструментов, устойчивость к враждебным промптам
- Оптимизировать конвейеры обучения и инференса по параметрам задержки, пропускной способности, использования памяти и затрат на инфраструктуру
- Создавать масштабируемые конвейеры обработки данных, обучения, дообучения и инференса в реальном времени
- Интегрировать генеративные модели в производственные системы в сотрудничестве с инженерами
- MLOps: автоматизировать тестирование, развертывание, мониторинг, откат и переобучение моделей
- Анализировать последние исследования в области генеративного ИИ и оценивать их практическую ценность
Требования
- Минимум 3 года опыта в области машинного обучения и разработки программного обеспечения
- Обширный практический опыт в разработке/развертывании генеративных моделей ИИ
- Глубокое понимание диффузионных моделей и архитектур генерации изображений/видео
- Опыт работы с LLM: промптинг, дообучение, оценка, структурированные выводы, вызов инструментов
- Практический опыт работы с PyTorch или TensorFlow
- Опыт перехода моделей от прототипа к производству, эксплуатации сервисов инференса
- Опыт развертывания моделей на GPU-серверах и облачных платформах
- Сильные навыки Python и разработки ПО: тестирование, мониторинг, отладка, оптимизация
Опционально
- Опыт работы с RLHF, DPO, обучением с подкреплением, instruction tuning
- Опыт работы с ограниченным декодированием, вызовом функций, агентными системами, red-teaming
- Опыт работы с мультимодальными моделями (текст, изображение, видео, аудио)
- Улучшение временной согласованности, пространственного выравнивания, сохранения идентичности в видео
- Оптимизация GPU-вычислений: квантизация, батчинг, кэширование, компиляция
- Опыт работы с MLOps-платформами, реестрами моделей, отслеживанием экспериментов
- Знакомство с CI/CD и Infrastructure as Code
- Опыт работы с системами высокой пропускной способности и низкой задержки
