Профиль навыка

LLM Fine-tuning

LoRA, QLoRA, PEFT, RLHF, instruction tuning, evaluation

Machine Learning и AI LLM и генеративный AI

Ролей

где встречается этот навык

Грейдов

сформированная дорожка роста

Обязательных требований

ещё 5 — необязательные

Machine Learning и AI

LLM и генеративный AI

17.03.2026

Выберите текущий грейд и сравните ожидания. Карточки ниже покажут, что нужно закрыть для следующего уровня.

Чего ждут на каждом уровне

Таблица показывает, как меняется глубина владения навыком от Junior до Principal.

Роль	Обязательность	Описание
Data Scientist		Понимает концепцию fine-tuning LLM: full fine-tuning vs parameter-efficient methods. Использует Hugging Face API для fine-tuning небольших моделей на custom-данных. Подготавливает training data в правильном формате для различных LLM-платформ.
LLM Engineer	Обязателен	Знает основы fine-tuning LLM: full fine-tuning vs LoRA, формат instruction-tuning данных. Запускает базовый fine-tuning небольшой модели через Hugging Face Trainer под руководством наставника.

Роль	Обязательность	Описание
Data Scientist		Самостоятельно проводит fine-tuning LLM с использованием LoRA, QLoRA и prefix-tuning. Настраивает training hyperparameters, мониторит loss curves. Оценивает quality fine-tuned модели через domain-specific benchmarks и human evaluation.
LLM Engineer	Обязателен	Самостоятельно проводит fine-tuning LLM: LoRA/QLoRA, подготовка instruction datasets, hyperparameter tuning. Мониторит training через W&B, оценивает результаты на held-out наборах данных.

Роль	Обязательность	Описание
Data Scientist		Проектирует fine-tuning pipelines для production LLM-систем. Применяет RLHF, DPO для alignment моделей. Оптимизирует training через DeepSpeed, FSDP. Проводит systematic evaluation через automated benchmarks и red-teaming.
LLM Engineer	Обязателен	Проектирует production fine-tuning pipeline: data curation, multi-stage training (SFT -> DPO), distributed fine-tuning. Оптимизирует LoRA rank, learning rate, batch size для максимального качества.

Роль	Обязательность	Описание
Data Scientist		Определяет стратегию LLM fine-tuning для организации. Формирует стандарты data preparation, training, evaluation для custom LLM. Координирует GPU-инфраструктуру и бюджеты для LLM-экспериментов.
LLM Engineer	Обязателен	Определяет fine-tuning стратегию для LLM-команды. Формирует best practices по data preparation, training configuration, evaluation. Координирует fine-tuning experiments и model selection процесс.

Роль	Обязательность	Описание
Data Scientist		Формирует стратегию custom LLM development на уровне организации. Определяет buy vs build для LLM, оценивает open-source vs proprietary модели. Влияет на industry через публикации и open-source контрибуции.
LLM Engineer	Обязателен	Формирует enterprise fine-tuning платформу. Определяет подходы к automated fine-tuning, model versioning, A/B testing fine-tuned моделей. Оптимизирует стоимость и скорость fine-tuning на масштабе.

Junior 2 требований

Data Scientist

Понимает концепцию fine-tuning LLM: full fine-tuning vs parameter-efficient methods. Использует Hugging Face API для fine-tuning небольших моделей на custom-данных. Подготавливает training data в правильном формате для различных LLM-платформ.
LLM Engineer
Обязателен

Знает основы fine-tuning LLM: full fine-tuning vs LoRA, формат instruction-tuning данных. Запускает базовый fine-tuning небольшой модели через Hugging Face Trainer под руководством наставника.

Middle 2 требований

Data Scientist

Самостоятельно проводит fine-tuning LLM с использованием LoRA, QLoRA и prefix-tuning. Настраивает training hyperparameters, мониторит loss curves. Оценивает quality fine-tuned модели через domain-specific benchmarks и human evaluation.
LLM Engineer
Обязателен

Самостоятельно проводит fine-tuning LLM: LoRA/QLoRA, подготовка instruction datasets, hyperparameter tuning. Мониторит training через W&B, оценивает результаты на held-out наборах данных.

Senior 2 требований

Data Scientist

Проектирует fine-tuning pipelines для production LLM-систем. Применяет RLHF, DPO для alignment моделей. Оптимизирует training через DeepSpeed, FSDP. Проводит systematic evaluation через automated benchmarks и red-teaming.
LLM Engineer
Обязателен

Проектирует production fine-tuning pipeline: data curation, multi-stage training (SFT -> DPO), distributed fine-tuning. Оптимизирует LoRA rank, learning rate, batch size для максимального качества.

Lead / Staff 2 требований

Data Scientist

Определяет стратегию LLM fine-tuning для организации. Формирует стандарты data preparation, training, evaluation для custom LLM. Координирует GPU-инфраструктуру и бюджеты для LLM-экспериментов.
LLM Engineer
Обязателен

Определяет fine-tuning стратегию для LLM-команды. Формирует best practices по data preparation, training configuration, evaluation. Координирует fine-tuning experiments и model selection процесс.

Principal 2 требований

Data Scientist

Формирует стратегию custom LLM development на уровне организации. Определяет buy vs build для LLM, оценивает open-source vs proprietary модели. Влияет на industry через публикации и open-source контрибуции.
LLM Engineer
Обязателен

Формирует enterprise fine-tuning платформу. Определяет подходы к automated fine-tuning, model versioning, A/B testing fine-tuned моделей. Оптимизирует стоимость и скорость fine-tuning на масштабе.

Загрузка комментариев...