Machine Learning Engineer (LLM)

26.9k - 37k PLN26 900 - 37 000 PLN/ mies./ mies.B2BB2B (netto)

SeniorZdalnie·WarszawaFull-time·B2B

#475190·Dodano dziś·0

Źródło: SOLID.Jobs

Aplikuj szybko

Tech Stack / Keywords

LLMFine tuningLoRA/QLoRARLHF/DPORAGVertex AIPython PyTorchMLOpsMLflow

Podsumowanie oferty

Dla klienta powstaje zespół tworzący aplikacje oparte na Generative AI i Machine Learning. Będziesz trenować i dostrajać modele LLM, rozwijać systemy RAG oraz integrować modele z produktem.

Wymagania

Wymagania:

Minimum 4 lata doświadczenia w ML, w tym co najmniej 1,5–2 lata pracy z LLM w projektach komercyjnych.
Bardzo dobra znajomość Pythona, PyTorch i ekosystemu Hugging Face.
Praktyczne doświadczenie w fine-tuningu modeli i przygotowywaniu danych treningowych.
Doświadczenie we wdrażaniu modeli na produkcję z użyciem Docker, Kubernetes i chmury (AWS, GCP lub Azure).
Znajomość baz wektorowych, np. Qdrant, Weaviate lub pgvector.
Umiejętność krytycznej oceny wyników modelu i projektowania sensownych metryk.
Angielski na poziomie minimum B2/C1.
Wymagane jest również 6 lat doświadczenia na podobnym stanowisku.

Mile widziane:

Doświadczenie z treningiem rozproszonym (DeepSpeed, FSDP).
Praca z Google Cloud Vertex AI / Gemini Enterprise Agent Platform (Model Garden, Pipelines, Endpoints).
Doświadczenie z MLOps (MLflow, Weights & Biases).

Obowiązki

Zakres odpowiedzialności:

Trenowanie i dostrajanie modeli LLM (fine-tuning, LoRA/QLoRA, RLHF/DPO) pod konkretne przypadki biznesowe.
Projektowanie i rozwijanie systemów RAG oraz pipeline’ów agentowych.
Integracja modeli open-source i komercyjnych API z produktem.
Budowanie procesów ewaluacji jakości modeli i monitoringu w środowisku produkcyjnym.
Optymalizacja inferencji pod kątem kosztów i opóźnień, w tym kwantyzacja, batching, vLLM i TGI.
Współpraca z zespołem produktowym i backendowym przy definiowaniu rozwiązań.
Współtworzenie standardów zespołu, dobór narzędzi i wpływ na architekturę rozwiązań.

Benefity

Elastyczne godziny pracy.

Elastyczne godziny

Inne informacje

Proces rekrutacji obejmuje krótką rozmowę z rekruterem, rozmowę techniczną z ML Leadem, omówienie case study z prawdziwego problemu bez zadania domowego na weekend oraz rozmowę finalną i ofertę.

Blackbird

12 aktywnych ofert

Zobacz wszystkie oferty

Aplikuj szybko