Сравним вакансию с вашим действующим резюме и составим письмо под эту роль.
Описание вакансии
Задачи:
— Ускорять и масштабировать LLM в продакшене: оптимизация инференса очень больших моделей (до 1T+ параметров), SGLang, KV/prefix caching, speculative decoding, квантизация.
— Разворачивать распределенный инференс: MoE, tensor/expert/pipeline parallelism на multi-node / multi-GPU кластерах (32x H200 + AWS).
— Заниматься Post-Training: обучать и дообучать модели компаньонов (SFT, DPO/RLHF), улучшать агентные каркасы и алгоритмы чата.
— Осуществлять техлидство (без бюрократии и PM): ревью экспериментов команды NLP/CV (7 инженеров), выбор направлений и оценка гипотез.
Требования:
— Глубокий опыт оптимизации LLM в продакшене (SGLang, vLLM или TensorRT-LLM).
— Опыт распределенного инференса/обучения гигантских моделей (MoE, multi-node clusters).
— Понимание профилирования GPU, работы attention-кернелов и KV-cache.
— Практика дообучения моделей (RLHF, DPO или аналоги).
— Сильный бэкграунд на PyTorch / Transformers.
— Английский или русский язык на профессиональном уровне.
Плюсом будет:
— Опыт разработки CUDA / Triton кернелов.
— Бэкграунд в CV (опыт ускорения инференса гигантских GenAI моделей).
— Опыт работы в AI-стартапах (Character.ai, Replika, OpenAI и др.) или BigTech (Яндекс, Сбер, T-Bank, Nebius, Meta, Mistral).
— Профильное математическое / CS образование (МГУ, МФТИ, ВШЭ, Бауманка или топовые зарубежные вузы).
Условия:
— Полный Remote и максимум свободы без корпоративного gatekeeping.
— Скорость: идеи становятся live-экспериментами за дни, а не quarters.
— 28 дней отпуска + 7 wellness-дней в год без больничных листов.
— $1,000 на обустройство хоум-офиса раз в 3 года.
— Софинансирование обучения, конференций (50%) и медицинских расходов (до $1,000/год).
— Доступ к опциональной A-team программе (опционы / % от выручки) после 1 года работы.
Контакты работодателя доступны по кнопке «Откликнуться» после входа.
Мэтч и сопроводительное
Сравним вакансию с вашим действующим резюме и составим письмо под эту роль.