Сравним вакансию с вашим действующим резюме и составим письмо под эту роль.
Описание вакансии
Location: Москва
Pretrain — самый масштабный и затратный этап обучения GigaChat. Мы готовим мультимодальный претрейн следующего поколения моделей, и для аудио это задача нового масштаба: сотни миллионов часов записей нужно отобрать, разметить, очистить и превратить в interleaved-последовательности, где речь перемежается текстом. От этих данных напрямую зависит, насколько хорошо модель будет понимать речь на десятках языков. Мы ищем эксперта, который знает, какие аудиоданные двигают качество модели, и владеет всем стеком обработки речи: от детекции голосовой активности до распознавания и синтеза. Ему предстоит собрать из этого стека масштабируемые пайплайны, выстроить вокруг них команду и проверять результат экспериментами на обучении.
Обязанности
* строить и оптимизировать data engine для audio pretrain: пайплайн от сырого аудио до interleaved-данных (речь + текст) для обучения мультимодальной модели
* отвечать за ключевые компоненты пайплайна: детекцию речи (VAD), определение языка (LID), сегментацию и диаризацию, распознавание речи с таймстемпами, оптимизированное под каждый язык
* обучать и дообучать собственные модели как компоненты пайплайна там, где готовые решения не дают нужного качества или скорости
* использовать синтез речи, чтобы закрывать пробелы в данных: качественные тексты, малоресурсные языки, редкие домены
* ставить эксперименты на подготовленных претрейн-данных: абляции смесей и этапов пайплайна, оценка влияния данных на метрики модели
* оптимизировать пропускную способность и стоимость пайплайнов (GPU-часы на час аудио)
* приоритизировать ручную разметку и полуавтоматическую обработку там, где это эффективнее полной автоматизации
* нанимать и вести дата-инженеров и ML-инженеров
Требования
* уверенное знание Python и PyTorch
* опыт построения дата пайплайнов на больших объемах данных
* опыт распределенной обработки данных (Spark, YT/MapReduce) и ускорения инференса (SGLang, vLLM, ONNX / TensorRT)
* понимание задач обработки речи (VAD, LID, ASR, диаризация, выравнивание, TTS) и метрик их качества
* понимание методов распределенного обучения и инференса
**Будет плюсом**
* опыт обучения речевых моделей
* опыт работы с мультиязычными и малоресурсными языками
* практический опыт обучения мультимодальных LLM
Мэтч и сопроводительное
Сравним вакансию с вашим действующим резюме и составим письмо под эту роль.