Вакансия: ML Team Lead (NLP) в Дзен
Зарплата: руб.
Форма занятости:
Полная занятость
Метод работы:
Полный рабочий день
Задачи: Мы — команда, которая разрабатывает и поддерживает контентные модели для всех сервисов рекомендательной платформы. Наши модели влияют на качество рекомендаций в масштабе продукта: от понимания контента до генеративных сценариев и персонализации. Работаем в research-ориентированной среде, быстро проверяем гипотезы и доводим решения до production. Примеры задач команды: задачи классификации текстового контента, NER, проекты, связанные с генерацией, классический ML и NLP. Например, задача саммаризации текстовых документов. Задачи руководителя Формировать техническое видение контентных моделей и их роли в рекомендательной платформе: roadmap, приоритеты, качество, скорость внедрения Управлять командой ML/DL-инженеров и исследователей: подбор, развитие, регулярный фидбэк, построение процессов (планирование, ревью, обмен знаниями) Отвечать за полный ML lifecycle: от сбора данных и построения моделей до внедрения и мониторинга качества Координировать эксперименты и R D: постановка гипотез, дизайн экспериментов, A/B, интерпретация результатов и принятие решений Развивать направление LLM: применение LLM для сложных пользовательских задач, проектирование и интеграция в продукт Обеспечивать production-ready качество: надёжность, воспроизводимость, мониторинг метрик Оптимизировать инференс и стоимость: ускорение DL/LLM (квантование, дистилляция, TensorRT-LLM и аналоги) Вести коммуникацию со смежными командами (рекомендации, продукт, инфраструктура, аналитика): синхронизация требований, интеграции, договорённости по метрикам Работать с мощной инфраструктурой (в том числе GPU H100/кластеры): планирование ресурсов, повышение утилизации Требования Опыт руководства ML/DS/Research-командой более года Общий опыт в ML/DL 5+ лет, выраженная экспертиза в NLP и современных Transformer-архитектурах Глубокое понимание метрик качества (offline/online), умение связывать модельные улучшения с бизнес-результатами Практический опыт PyTorch + Hugging Face Опыт построения end-to-end ML-пайплайнов: подготовка данных, обучение, валидация, деплой, мониторинг, воспроизводимость Понимание/опыт работы с LLM, включая fine-tuning/адаптацию, промптинг, RAG Знание методов ускорения и оптимизации инференса: квантование, дистилляция, оптимизация вычислений Сильные навыки коммуникации: умение вести дискуссии, защищать решения, объединять людей вокруг целей
Образование:
Не указано
Контакты:
Для просмотра контактов необходимо авторизоваться на сайте.
Войти
