Инженер ML со знанием Go, Middle+, Senior

Требования: — 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. Задачи: — 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.