Applied scientist (LLM)

Stack

Feladatok

• ▹Fejlett módszerek tervezése és megvalósítása prompt-vezénylésben, finomhangolásban (SFT/RLHF/DPO) és autonóm, ügynök-alapú munkafolyamatokban
• ▹Jó minőségű tanítóadatok összeállítása nagy léptékű szöveges és multimodális forrásokból
• ▹A modellek hallucinációs mintáinak azonosítása és az értékelési metrikák vizualizálása
• ▹Hiperparaméterek hangolása, az inferencia sebességének és pontosságának javítása PEFT-tel (LoRA/QLoRA) és prompt engineeringgel
• ▹Együttműködés a Product és Data Engineering csapatokkal az LLM-funkciók integrálásán
• ▹A haladás követése és jelentése iparági benchmarkokkal (MMLU, HumanEval stb.) és belső KPI-okkal
• ▹A terület élvonalának követése (pl. State Space Modellek, új Transformer-változatok) és az éles használatra való érettség értékelése
• ▹Junior kollégák mentorálása

Elvárások

• ▹3+ év kereskedelmi gépi tanulási tapasztalat NLP vagy LLM területen
• ▹Erős Python3, NumPy, pandas és modern szövegfeldolgozó könyvtárak, PyTorch és Hugging Face (Transformers, PEFT, Accelerate) ismeret
• ▹PEFT/LoRA és megerősítéses tanulási technikák ismerete
• ▹Az attention-mechanizmusok, tokenizálás, kontextusablak-kezelés és embedding-terek mély ismerete
• ▹Gyakorlat legalább egy területen: Retrieval-Augmented Generation (RAG), finomhangolás vagy agentic keretrendszerek
• ▹Nagy (100 GB feletti) szöveges, képi és hangadathalmazok kezelése és elemzése
• ▹Jó minőségű adathalmazok készítése és robusztus adatcsővezetékek építése
• ▹Prompt engineering, agentic keretrendszerek tervezése és LLM-csővezetékek vezénylése
• ▹LLM-ek éles telepítése Triton Inference Serverrel, vLLM-mel, TGI-vel vagy ONNX-szel

Előny

• ▹Gyakorlat Pinecone, Weaviate, Milvus vagy Chroma használatában
• ▹Fejlett kvantálás (GGUF, AWQ, EXL2), pruning és knowledge distillation
• ▹LangChain, LlamaIndex vagy AutoGen tapasztalat
• ▹Web- és kliens-szerver architektúra, streaming API-válaszok alapjai (Asyncio, aiohttp)
• ▹RAGAS, DeepEval vagy G-Eval ismerete
• ▹Docker, Kubernetes és felhős GPU-vezénylés (pl. Run:ai, Lambda Labs)
• ▹C++, Triton vagy CUDA ismerete egyedi kernelfejlesztéshez

Soft skillek

Amit kínálunk

• ▹Egyenlő esélyek, átlátható, értékalapú vállalati kultúra, egyéni megközelítés
• ▹Versenyképes javadalmazás és juttatások
• ▹Gig-szerződés
• ▹21 nap fizetett szabadság évente, fizetett munkaszüneti napok az ukrán jogszabályok szerint
• ▹Fejlődési lehetőségek: céges tanfolyamok, tudásközpontok, ingyenes angolórák, tanulmányi szabadság
• ▹Egészségbiztosítás az első naptól, betegszabadság
• ▹Távmunka kizárólag Ukrajnán belül
• ▹Ingyenes étkezés, gyümölcs és nasi az irodában

A munkáltatóról

A SQUAD elosztott csapata generatív AI-funkciókat fejleszt felhő- és edge-környezetben.