MLE Руководитель направления RL Efficiency (Lead)
Мы развиваем GigaChat и ищем сильного руководителя направления RL Efficiency. Это роль для человека, который возьмёт на себя эффективность всего RL-контура: обучающий цикл, rollout, reward-сигналы, взаимодействие с инференсом и инфраструкт…
↑ Вакансия с автоподнятиемМы развиваем GigaChat и ищем сильного руководителя направления RL Efficiency. Это роль для человека, который возьмёт на себя эффективность всего RL-контура: обучающий цикл, rollout, reward-сигналы, взаимодействие с инференсом и инфраструктура под онлайн-эксперименты.
Цель направления — сделать так, чтобы online RL / RLHF / RLVR-обучение GigaChat было максимально быстрым, стабильным и дешёвым: сократить time-to-feedback по экспериментам, поднять утилизацию кластера и упростить запуск новых RL-рецептов на масштабе.
Нам нужен не просто менеджер, а сильный технический руководитель, способный глубоко погружаться в детали, самостоятельно собирать ключевые части решения и доводить идеи до реального ускорения RL-пайплайна.
Чем предстоит заниматься
Развивать направление RL Efficiency целиком
-
Определять, как должно развиваться направление эффективности RL: какие места критичны на данный момент, как измерять прогресс и что в первую очередь ограничивает скорость экспериментов.
-
Вести направление целиком: от постановки гипотез и плана работ до внедрения результатов в регулярный цикл обучения.
-
Принимать решения о приоритетах между ускорением rollout, оптимизацией обучающего цикла, инфраструктурой и системой оценки качества.
Ускорять цикл online RL
-
Оптимизировать пайплайн online RL: генерация rollout'ов, сбор reward-сигналов, обновление весов модели, overlap-этапов.
-
Выстраивать эффективное взаимодействие между обучающим контуром и инференс-движком (vLLM / SGLang / собственные решения), добиваясь высокой утилизации и низкой задержки.
-
Работать с весами и KV-cache: быстрое обновление весов между итерациями, снижение overhead-синхронизаций, оптимизация памяти.
-
Повышать стабильность больших RL-прогонов: контроль деградаций, автоматическое восстановление, диагностика сбоев.
Развивать инфраструктуру под RL-эксперименты
-
Развивать фреймворк обучения, поддерживающий RLHF / RLVR / PPO / GRPO / DPO и их вариации на масштабе.
-
Делать так, чтобы новые RL-рецепты можно было быстро и безопасно запускать на больших моделях без ручной поддержки для каждого эксперимента.
-
Обеспечивать воспроизводимость RL-экспериментов: версионирование данных, конфигов, чекпоинтов, reward-моделей.
Писать ключевой код и оставаться сильным инженером
-
Самостоятельно писать и дорабатывать критичные части RL-пайплайна.
-
Профилировать обучение на всех уровнях стека и находить узкие места в rollout, обучении и коммуникациях.
-
Оставаться сильным инженером и исследователем, а не только руководителем: при необходимости самому разбирать узкие места в коде, экспериментах и взаимодействии с hardware.
Руководить сильной технической командой
-
Руководить командой инженеров по эффективности RL, задавать высокую планку по качеству решений и перфу.
-
Помогать команде превращать исследовательские идеи в работающие решения, которые можно встроить в основной цикл RL-обучения.
-
Удерживать баланс между глубиной оптимизаций, инженерной надёжностью и практическим результатом для модели.
Для нас важно
-
Отличное владение Python и PyTorch (DDP/FSDP, distributed training).
-
Практический опыт с обучением LLM и понимание механики RL post-training: RLHF, RLVR, PPO / GRPO / DPO.
-
Опыт оптимизации обучения и инференса LLM: профилирование, узкие места, параллелизм, mixed precision.
-
Понимание архитектуры LLM: Transformer, attention (MHA/GQA/MLA), MoE и их влияние на rollout.
-
Способность самостоятельно взять направление и довести его до результата: от постановки задач до внедрения в продакшн-RL.
-
Опыт руководства сильной технической командой и готовность лично писать важные части системы руками.
Будет плюсом
-
Опыт работы с современными RL-стэками: verl, TRL или собственные решения.
-
Опыт работы с large-scale inference (vLLM, SGLang, TRT-LLM) и оптимизацией генерации.
-
Опыт написания CUDA / Triton ядер и понимание особенностей NVIDIA GPU.
-
Понимание коммуникационного стека больших обучений: NCCL, NVSHMEM, RDMA/IB.
-
Опыт работы с кластерными системами: Slurm, Kubernetes, Ray или собственные оркестраторы.
-
Публикации, open-source вклад или сильный прикладной research track record.
Что предлагаем
-
Сильные и сложные задачи на переднем крае развития русскоязычных LLM.
-
Большую степень влияния на архитектуру решений, методы обучения и качество итоговой модели.
-
Команду сильных инженеров и исследователей.
-
Возможность совмещать управление направлением с глубокой технической работой.
-
Конкурентную компенсацию, премии и расширенный соцпакет.
Похожие вакансии Data Science & ML
Привет! Меня зовут Елизавета, я HRBP Points Lab. Веду кандидатов от отклика до оффера и слежу, чтобы наши ожидания совпали с твоими.
О нас
Points Lab строит модели, которые показывают брендам, откуда берутся их продажи: сколько дает реклама в каждом канале, промо, цена, сезон. По этим расчетам компании из FMCG, фармы и ритейла планируют бюджеты. Через наши модели прошло больше 7 млрд рублей рекламных бюджетов, модель собираем за 3 дня вместо классических 3 недель. Мы резиденты Сколково и ИНТЦ МГУ, в команде около 40 человек.
Сейчас расширяем команду моделирования и ищем трех дата-сайентистов уровня от Middle до Senior. Зарплатные ожидания готовы обсуждать на основе твоего уровня.
Ключевые задачи
- Модели продаж: строить и улучшать маркетинг-микс модели продаж брендов. Основная категория FMCG.
- Выбор подхода: подбирать алгоритм под задачу клиента и объяснять, почему выбран именно он. Одного рецепта на все случаи у нас нет.
- Развитие методов: искать и проверять новые алгоритмы моделирования, дорабатывать модели, которые уже работают в продукте.
- Аналитика: готовить аналитические выводы по результатам моделей.
Требования
- Уверенный Python 3.8+, понимание алгоритмов и структур данных.
- Обработка данных в Pandas или Polars, Git, Linux.
- Статистика на уровне, который позволяет проверить модель, а не только обучить ее.
- Модели временных рядов (ARMA, ARIMA и производные) и ML-подходы к прогнозу: случайный лес, градиентный бустинг, CatBoost.
- Опыт построения маркетинг-микс моделей и аналитических отчетов на их основе.
Будет плюсом
- Опыт с байесовскими моделями: PyMC, Stan.
- Plotly и Dash.
Почему у нас интересно
Твоя модель попадает в продукт и в интерфейс клиента, а по ее результатам руководители брендов решают, куда пойдут деньги. Свои идеи по методам можно предлагать и проверять: если подход работает лучше текущего, он идет в продукт.
Что мы предлагаем
- Оклад соотносится с уровнем, выплаты 5 и 20 числа.
- График: 5/2 с 10:00 до 19:00 по Москве, гибрид или удаленно. Город и часовой пояс не важны.
- Оформление: по ТК РФ, испытательный срок 3 месяца. После него ДМС. Доплата по больничному до 100%, обучение за счет компании.
Как проходит найм
- Короткий звонок со HR
- Собеседование с руководителем направления онлайн
- Оффер
Привет! Мы команда разработки аппаратных проектов.
Мы делаем устройства, которые улучшают складские процессы в Озоне и ищем в свою команду CV инженера на проект "Разработка автоматических устройств измерения ОВХ товаров и постингов".
Вы будете
- Разрабатывать и поддерживать решения на основе компьютерного зрения для измерения габаритов товаров;
- Настраивать камеры и работать с SDK устройств;
- Разрабатывать микросервисы - Python, Docker;
- Проводить интеграции с внутренними системами заказчиков;
- Работать с ML моделями;
- Покрывать фичи тестами;
- Анализировать эффективность существующих решений, оценивать внедрение новых алгоритмов.
Нам важно
- Высшее образование (техническое, математическое);
- Знание Python 3;
- Навыки разработки качественного кода с применением паттернов ООП;
- Базовое знание теории алгоритмов и структур данных;
- Знание алгоритмов компьютерного зрения: классические и ML подходы;
- Знание git;
- Знание английского языка на уровне чтения технической литературы.
Будет плюсом
- Знание методов 3д реконструкции по фото и стерео зрения, основ проективной и эпиполярной геометрии, опыт работы с 3д облаками точек;
- Знание основных принципов и алгоритмов машинного обучения (регрессия, нейросети, градиентный спуск);
- Опыт применения алгоритмов детекции, классификации и сегментации изображений;
- Навыки разработки на C++;
- Опыт работы с БД и знание SQL;
- Опыт работы с web (бэкенд или фронтенд);
- Опыт написания качественных unit тестов.
X5 – ведущая российская продуктовая розничная компания, которая управляет магазинами нескольких торговых сетей: магазинами «у дома» «Пятёрочка», супермаркетами «Перекрёсток» и «жёсткими» дискаунтерами «Чижик». X5 занимает лидирующие позиции в e-commerce, цифровые бизнесы компании включают 5Post и X5 Digital.
Под управлением X5 находится более 30 тыс. магазинов (Пятерочка, Перекресток, Чижик), а также более 5 тыс. точек подключённых к программе франчайзинга под брендом «ОКОЛО».
X5 является одним из крупнейших российских работодателей. На сегодняшний день в компании работают 375 тыс. сотрудников. По итогам 2025 года Х5 вошла в топ-3 рейтинга лучших работодателей России по версии HeadHunter.
X5 Tech - IT-компания и основной цифровой партнер торговых сетей и бизнесов X5 Group. Команда из более 5000 специалистов разрабатывает решения, которые помогают 372 тысячам сотрудников группы работать с максимальным технологическим комфортом, а миллионам покупателей быстро и удобно покупать свежие продукты.
Мы команда, которая работает над задачами поиска и рекомендательных систем в компании.
Команде предстоит создавать модели по требованиям от внутренних бизнес-заказчиков, определять метрики и критерии успеха, обеспечивать жизненный цикл моделей. Глобальная задача для команды - повысить качество работы рекомендательных систем во всех бизнесах X5.
Чем предстоит заниматься:
- Участвовать в разработке моделей для продуктивной среды;
- Строить модели машинного обучения, улучшать качество;
- Писать код, проводить code-review;
- Предлагать способы оптимизации и совершенствования существующих инструментов.
Что ждем от кандидата:
- Знание Python;
- Опыт работы в рекомендательных системах/поиске;
- Опыт работы в роли mle/ds от 5ти лет;
- Знание теоретических и практических продвинутых методов машинного обучения;
- Знание SQL, знакомство с hadoop-стэком;
- Опыт работы с docker, kubernetes, pyspark, kafka, postgres, airflow;
- Наличие опыта вывода разработанных решений в прод.
Мы предлагаем:
- Официальное оформление с белой ЗП, ежеквартальные премии по результатам работы;
- Удобный офис с бесплатной парковкой на м. «Волгоградский проспект» / МЦД «Калитники». Офис БЦ Оазис
- Гибкий график работы (с 8/9/10 утра) / График работы: 5/2, с 9:00 до 18:15 (в пятницу — до 17:00);
- Возможность работать удалённо или в гибридном формате;
- Широкий пакет ДМС (включая выезд за рубеж и стоматологию), страхование жизни и здоровья;
- Возможность учиться и развиваться за счёт компании: внешние тренинги и семинары по профессиональным тематикам, участие в крупнейших конференциях страны, программы развития цифровых и управленческих навыков (Цифровая академия, Школа Тимлидов), онлайн и офлайн мастер-классы, корпоративный университет «X5 Полка», школа наставников и многое другое;
- Программы мотивации для спикеров и авторов: внутренняя школа Speak Up School, Write Up, ачивки и баллы за выступления, подготовка спикеров к крупнейшим конференциям страны, сообщество авторов на Хабре, возможность шерить опыт с комьюнити внутренних и внешних экспертов;
- Обмен опытом через cообщества: 12 технических комьюнити от java до devops;
- Яркая корпоративная жизнь с большим количеством мероприятий, конкурсов и возможностей для творческой реализации: регулярные внутренние митапы, демо-дни, открытые микрофоны, день IT-специалиста, программы волонтерства, корпоративное предпринимательство X5 Idea Challenge.
Присоединяйся к команде X5 Tech, чтобы создавать будущее ритейла вместе с нами!
HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.