ИТ-вакансии в ТОП-100 компаний РФ - Лучшие ИТ-вакансии в ТОП-100 компаниях России
ИТ-вакансии в ТОП-100 компаний РФ - Лучшие ИТ-вакансии в ТОП-100 компаниях России
ID вакансии: 2651
AI, ML
150 000 ₽
Доход в месяц
Постоянная
Занятость
Удаленная
Формат
Телеком-оператор из ТОП-5 в РФ
Работодатель
- Поэтапный перевод системы с графа сценариев и скиллов на управляемый LLM-based диалог; - Дебаг голосового пайплайна (поиск причин high latency, галлюцинаций LLM, проблем с передачей аудио, графовых ошибок и т.п.); - Оперативное принятие архитектурных решений и их самостоятельная реализация в коде; - Поддержка и быстрая отладка few-shot классификации сценариев на базе Qwen и классификаторов на BERT; - Учёт краевых случаев, исправление ошибочных срабатываний интентов; - При необходимости — finetuning локальных LLM (извлечение сущностей, удерживание инструкций); - Интеграция и поддержка ASR на базе GigaAMv2 (отладка качества распознавания, работы VAD и передачи текста дальше по пайплайну); - Дообучение и настройка инференса собственных и опенсорсных TTS и систем клонирования голоса для достижения нужного качества звучания и скорости работы.
- Уверенный опыт работы с LLM/SLM (Few-shot learning, prompt engineering) и BERT (классификация сценариев и интентов); - Практический опыт finetuning LLM (PEFT, LoRA/QLoRA) под узкие прикладные задачи; - Уверенный дебаг LLM: умение быстро понять, почему модель ответила не так, и исправить это промптом, гиперпараметром или файнтюном; - Опыт дообучения и оптимизации TTS-моделей; - Опыт работы и интеграции современных ASR-систем (в частности, GigaAMv2); - Опыт работы как с графовыми/сценарийными диалоговыми движками, так и с LLM-агентами; - Высокая скорость диагностики проблем в инференсе, локализации багов и принятия инженерных решений; - Уверенное владение Python (PyTorch, huggingface, фреймворки инференса) и Go; - Опыт работы с оптимизацией инференса под low-latency (vLLM, TensorRT-LLM, Triton Inference Server, ONNX Runtime); - Практика работы со потоковым аудио в реальном времени (streaming ASR/TTS, gRPC-контракты); GoLang: - Базовое понимание по дизайну сервисов; - Понимание SOLID, DRY и KISS паттернов; - Знание типизации в Go, хотя бы базовые типы (строки, числа, слайсы и мапы); - Знание примитивов синхронизации и конкуренции (как синхронизировать горутины, как работать с каналами); - Знание указателей и работы с ними; - Observability; - Будет плюсом: опыт работы с GRPC; - Будет плюсом: умение настроить инфраструктуру, k8s/inventory, знания работы TCP.