Machine Learning Engineer Palo Alto, CA

Обзор роли: Как Machine Learning Engineer вы будете играть центральную роль в трансляции передовых исследований машинного обучения в масштабируемые, готовые к продакшну решения. Вы будете тесно сотрудничать с кросс‑функциональными командами, чтобы выявлять возможности, где ML может приносить ценность продукту, проектировать надёжные модели‑центрированные системы и обеспечивать их бесшовную интеграцию в реальные приложения. Роль требует сильного баланса между теоретическим пониманием и инженерной реализацией, с упором на создание надёжных, поддерживаемых и высоко‑влияющих AI‑фич, соответствующих стратегическим целям Nace.AI.

• Проектировать, строить и поддерживать сквозные ML‑системы, включая конвейеры синтетических данных, обучение моделей, отладку и оценку производительности.
• Тонко настраивать большие языковые модели (LLMs) и внедрять методы meta‑learning для повышения обобщения и эффективности моделей.
• Улучшать существующие модели Nace.AI, интегрируя достижения последних исследований в области ML.

• 3+ лет практического опыта создания и развертывания систем машинного обучения в продакшн‑средах.
• Практический опыт обучения и тонкой настройки больших языковых моделей (LLMs) и моделей зрительно‑языкового взаимодействия (VLMs), включая работу с предобучением, настройкой инструкций и техниками выравнивания (GRPO, RLHF/DPO/PPO).
• Практический опыт работы с Deep Learning моделями, особенно Transformers.
• Способность переводить передовые исследования из статей в чистый, готовый к продакшну код (Paper to Code).
• Доказанный опыт масштабирования инфраструктуры инференса для LLMs/VLMs, включая экспертизу в фреймворках обслуживания моделей, таких как vLLM, TGI.
• Профессиональное владение Python и подтверждённый опыт создания крупных проектов.
• Твёрдая база в фундаментальных концепциях компьютерных наук (структуры данных, алгоритмы, шаблоны проектирования).
• Степень BS в области CS или смежной технической области.
• Надёжный опыт работы с ML‑фреймворками и библиотеками (PyTorch, TensorFlow).
• Самоинициативный, комфортно работающий в быстро меняющейся динамичной среде.

• 5+ лет отраслевого опыта в инженерии машинного обучения, с подтверждённым послужным списком выпуска LLM‑ориентированных систем в масштабе.
• Степень MS/PhD в области CS или смежной технической области.
• Знакомство со стеками обработки данных, такими как Spark и Airflow.
• Опыт многонодового обучения на GPU.
• Вклад в open‑source ML проекты.
• Глубокие знания в линейном программировании.
• Опыт работы с продвинутыми NLP и мультимодальными пост‑тренировочными задачами (например, дистилляция моделей, квантизация, оптимизация развертывания).
• Опыт оптимизации времени инференса, глубокое понимание оптимизаций обслуживания LLM для LLMs/VLMs.
• Практический опыт работы с техниками квантизации (AWQ, GPTQ, FP8/GGUF).