🏢 Обзор компании Unimatch Lab — это венчурная студия на базе ИИ, расположенная в Кремниевой долине. Мы создаем собственный технологический стек ИИ и портфель активов на базе ИИ: потребительские ИИ-продукты, умные устройства, локальные LLM-кластеры и базовые уровни (слой памяти, оптимизация RAM/VRAM, оркестрация, ИИ-ПО для инфраструктуры и вычислений). Это включает исследования и разработки в области локальных, распределенных и орбитальных дата-центров и распределенных вычислений. Наша цель — достичь совокупной оценки активов в 10 миллиардов долларов к 2032 году и войти в топ-50 мировых ИИ-компаний. Мы — компания, ориентированная на OKR: измеримые результаты, скорость, прозрачность и ответственность. Мы нанимаем лучших специалистов: автономных, быстрых, с высокой исполнительностью и ответственностью. Узнайте больше: Unimatch Lab Career

🎯 Краткое описание позиции Senior ML Engineer отвечает за полный цикл LLM/VLM: наборы данных, обучение весов, оценку и развертывание на собственных серверах. Роль сосредоточена на тонкой настройке и развертывании на нашей собственной инфраструктуре, а не на составлении запросов, интеграции RAG или сторонних LLM API. Персональные и конфиденциальные данные обрабатываются только локально. Сторонние облачные LLM API не используются для рабочих нагрузок, включающих такие данные. Предполагается, что вы будете управлять всем циклом, принимать решения о том, что переобучать на основе сбоев в продакшене или пробелов в оценке, а также вести документацию по наборам данных, конфигурациям оценки и критериям выпуска, чтобы конвейер не был привязан к одному инженеру.

✅ Ключевые обязанности

Обучение и тонкая настройка моделей

• Осуществлять тонкую настройку LLM и VLM моделей для продуктовых сценариев использования с помощью LoRA/QLoRA, дистилляции и смежных методов для получения рабочих весов.
• Адаптировать модели к задачам в конкретной предметной области, не полагаясь исключительно на подходы, основанные только на запросах или RAG, в качестве основного пути доставки.
• Поддерживать воспроизводимые конфигурации обучения и документировать версии моделей, связанные с релизами.

Оценка и данные

• Внедрить оценку как этап выпуска: метрики на уровне полей (точное совпадение, точность, полнота, F1, CER, WER), отложенные наборы и проверки на утечку train/test перед развертыванием.
• Отвечать за рабочие процессы обработки данных: сбор, учительскую разметку, версионированные воспроизводимые наборы данных и генерацию синтетических данных с валидацией.
• Определять критерии приемки, привязанные к результатам оценки, для версий моделей, предназначенных для продакшена.

Инференс и операции в продакшене

• Развертывать и эксплуатировать собственный инференс под нагрузкой: vLLM, пакетная обработка, управление VRAM, квантование, структурированные и управляемые JSON-выходы.
• Отслеживать поведение моделей в продакшене и инициировать переобучение на основе результатов оценки или паттернов ошибок в продакшене.
• Управлять контейнеризированными развертываниями (Docker, Kubernetes), CI/CD для релизов моделей и логированием качества выходных данных модели.
• Обеспечивать обработку персональных и конфиденциальных данных исключительно в рамках внутренней среды.

💪 Требуемые квалификации

• Опыт работы более 5 лет во внедрении ML-систем в продакшен, включая высоконагруженные ИИ-системы.
• Практический опыт тонкой настройки LLM или VLM моделей: вы обучаете веса (LoRA/QLoRA, дистилляция).
• OCR многоязычных документов: извлечение текста и структуры из смешанных языков в одном файле.
• Практика оценки как дисциплина выпуска: метрики по полям, обнаружение утечек, четкие критерии прохождения/непрохождения перед развертыванием в продакшен.
• Сквозная ответственность за данные: учительская разметка, воспроизводимые версионированные наборы данных, валидированные синтетические данные.
• Опыт работы с собственным LLM serving (vLLM или эквивалент) в продакшене: пакетная обработка, квантование, структурированные выходные данные под нагрузкой.
• Ответственность за хотя бы один полный цикл до продакшен-трафика: подготовка данных, тонкая настройка, оценка, развертывание и итерации на основе сигналов из продакшена или оценки.
• Отличные навыки Python и backend разработки для продакшена (например, FastAPI); PostgreSQL, Redis, где применимо.
• Docker, Kubernetes и CI/CD для релизов моделей и сервисов.
• Собственная/локальная эксплуатация ML; запрет отправки персональных или конфиденциальных данных сторонним LLM API.

⭐ Предпочтительные квалификации

• Опыт работы с Hugging Face Transformers, PEFT и инструментами обучения в производственных контекстах.
• Практика MLOps: мониторинг качества вывода, сигналы дрейфа, версионирование моделей.
• Практический опыт работы с голосовыми агентами и TTS.
• Степень в области STEM.

🛠️ Технологический стек

• Обучение: PyTorch, Hugging Face Transformers, PEFT (LoRA/QLoRA), рабочие процессы дистилляции.
• Serving: vLLM, квантование, генерация структурированного/управляемого JSON.
• Данные и оценка: отложенные разделения, метрики на уровне полей, версионирование наборов данных, конвейеры учительского размечания.
• Backend: Python, FastAPI; PostgreSQL, Redis.
• Инфраструктура: Docker, Kubernetes; CI/CD (GitHub Actions, GitLab CI или аналогичные).
• Наблюдаемость: логирование, мониторинг качества вывода модели (Prometheus/Grafana или эквивалентные).
• Тестирование: pytest, Pydantic.

👥 Структура команды Вы работаете с продакт-менеджерами и инженерами над архитектурой и приоритетами доставки. Инженерные партнеры обеспечивают глубокую поддержку backend и общей инфраструктуры, где ответственность разделена. Ваша ответственность: ML-цикл от данных до тонкой настройки, оценки и собственного продакшена для LLM/VLM функций, назначенных этой роли.

💼 Условия трудоустройства

📩 Процесс подачи заявки Если ваш опыт соответствует этой роли, отправьте свое резюме сюда.

Параметр	Детали
Формат	Полная занятость, удаленная работа
График	Гибкие часы; синхронизация с командой по CET
Местоположение	Европа: Европейский Союз, Албания, Андорра, Босния и Герцеговина, Великобритания, Исландия, Лихтенштейн, Молдова, Монако, Черногория, Северная Македония, Норвегия, Сан-Марино, Сербия, Швейцария, Грузия, Армения, Турция. ЛАТАМ: Мексика, Панама, Аргентина, Боливия, Бразилия, Чили, Колумбия, Эквадор, Перу, Парагвай, Уругвай, Венесуэла.
Компенсация	40-45$ в час