Кто мы
Prosus — глобальная технологическая компания, поддерживающая одни из ведущих мировых бизнесов в сфере электронной коммерции и образа жизни. Каждый день миллиарды людей по всей Индии, Латинской Америке, Европе и за их пределами используют продукты и услуги Prosus для покупки, продажи, оплаты, общения и открытия нового.
Экосистема Prosus, основанная на искусственном интеллекте, охватывает более 100 компаний в сферах электронной коммерции, доставки еды, финтеха и развлечений, обслуживая миллиарды потребителей по всему миру. Более 60 000 активных AI-агентов помогают командам создавать, масштабировать и действовать быстрее. Через инвестиционную команду Prosus также поддерживает основателей и технологии, формирующие будущее: от робототехники и автономных систем до синтетической биологии и передового искусственного интеллекта.
Руководствуясь пятью ценностями — Инновации, Результаты, Люди, Влияние и Предпринимательство — культура является конкурентным преимуществом компании.
Кого мы ищем
Мы ищем старшего инженера по машинному обучению для обучения специализированных языковых моделей и технического руководства командой. Вы будете отвечать за ключевые части инфраструктуры обучения, наставлять инженеров и принимать технические решения от подготовки данных до развертывания в продакшене. У вас есть глубокий практический опыт обучения языковых моделей в масштабе, вы показываете пример через тщательные эксперименты и качественный код, и вас мотивирует видеть, как ваша работа используется миллионами пользователей. Вы преуспеваете в динамичной среде, где балансируете техническую глубину с практическим бизнес-эффектом.
Что вы будете делать
•Анализировать производительность моделей и обучающие данные, формулировать гипотезы, разрабатывать и проводить строгие эксперименты для систематического улучшения качества моделей, эффективности обучения и вывода, а также производительности в последующих задачах
•Принимать технические решения по архитектуре моделей, стратегиям обучения и выбору инфраструктуры
•Обеспечивать техническое руководство и наставничество инженерам по машинному обучению и стажёрам, проводить код-ревью, делиться лучшими практиками и ускорять рост команды
•Обучать крупные языковые модели через продолженное предварительное обучение и полную настройку параметров на собственных наборах данных
•Строить и оптимизировать распределённую инфраструктуру обучения на многозвенных GPU-кластерах с использованием таких фреймворков, как DeepSpeed, FSDP, Megatron-LM или Axolotl
•Отвечать за подготовку больших данных: фильтрация, оценка качества, удаление дубликатов и стратегии смешивания данных для обучающих корпусов с масштабом более 100 миллиардов токенов
•Генерировать и курировать высококачественные синтетические данные для тонкой настройки инструкций и повышения возможностей моделей
•Отлаживать проблемы стабильности обучения, оптимизировать пропускную способность обучения и вывода (квантизация, дистилляция, оптимизация сервинга), а также контролировать производительность моделей в ходе длительных распределённых задач
•Создавать надёжные оценочные фреймворки и устанавливать метрики для измерения качества моделей и принятия решений
•Писать код производственного уровня с хорошим тестированием и устанавливать инженерные стандарты для команды
Минимальные квалификации
•Опыт работы инженером по машинному обучению не менее 7 лет
•Опыт технического руководства: наставничество инженеров, проведение код-ревью, принятие архитектурных решений и реализация проектов с измеримым бизнес-эффектом
•Подтверждённый опыт обучения и развертывания языковых моделей в продакшене (модели эмбеддингов, энкодерные модели или крупные языковые модели), включая предварительное обучение, продолженное предварительное обучение или тонкую настройку с тщательной оценкой и оптимизацией вывода
•Опыт подготовки масштабных обучающих наборов данных: фильтрация данных, оценка качества, стратегии удаления дубликатов и проектирование смешивания данных
•Практический опыт работы с распределёнными фреймворками обучения (DeepSpeed, FSDP, Megatron-LM или Axolotl), включая организацию многозвенных задач, отладку сбоев и оптимизацию пропускной способности
•Глубокое понимание динамики обучения в масштабе: отладка нестабильностей потерь, настройка расписаний скорости обучения, управление стабильностью обучения в длительных многозвенных задачах
•Экспертное владение Python и PyTorch с опытом использования производственных библиотек для обучения (Transformers, DeepSpeed, Accelerate)
Желательные квалификации
•Публикации на конференциях по машинному обучению (NeurIPS, ICML, ICLR, ACL, EMNLP), выпущенные модели на Hugging Face, созданные публичные бенчмарки или вклад в проекты с открытым исходным кодом
•Опыт работы с методами послеобучения: RLHF, DPO, GRPO или другими методами обучения с подкреплением для выравнивания и следования инструкциям
•Опыт оптимизации моделей для продакшен-вывода, включая квантизацию, сжатие моделей, дистилляцию и фреймворки сервинга (vLLM, TensorRT-LLM)
•Понимание оптимизации памяти: контрольные точки градиентов, обучение с смешанной точностью (FP16, BF16, FP8), оптимизация ZeRO
•Глубокие знания архитектур GPU (A100, H100, H200) и их влияния на оптимизацию обучения и вывода
•Опыт создания конвейеров генерации синтетических данных для тонкой настройки инструкций или адаптации к домену
Что мы предлагаем
•Проекты с высоким влиянием в области ИИ, стратегически важные для компании, с прямым участием высшего руководства, включая CEO
•Современная инфраструктура: парк GPU H200, огромные собственные наборы данных, доступ к передовым моделям (OpenAI, Anthropic, Google, Together.ai) для оценки и базовых линий
•Экспертные коллеги, которые выпустили топовые модели на Hugging Face, публиковались на NeurIPS, создали известные бенчмарки и построили несколько производственных AI-систем
•Значительная автономия и свобода для тестирования идей, экспериментов с новыми подходами и принятия технических решений
•Современные инструменты: последние ML-фреймворки, помощники по кодированию, первоклассная среда разработки
•Гибридный режим работы с офисом в Амстердаме — домом AI House, объединяющим более 200 специалистов по ИИ через мероприятия, митапы и сотрудничество со стартапами
•Конкурентоспособная компенсация, MacBook Pro топовой комплектации и среда, созданная для профессионального роста и обучения
Почему Prosus?
Prosus — один из крупнейших операторов агентного ИИ на планете, внутри портфеля стоимостью более 100 миллиардов долларов, включающего более 100 компаний и два миллиарда человек.
