Національний банк України — сучасна незалежна державна інституція, покликана забезпечувати цінову та фінансову стабільність у державі та сприяти економічному зростанню України.

Ми інтегруємося до міжнародної спільноти центральних банків, створюємо для цього ефективну і стійку фінансову екосистему, сприяємо розвитку інноваційних фінансових технологій, підвищенню фінансової обізнаності та інклюзії громадян.

Ми — сучасний центральний банк, що має довіру суспільства, діє для добробуту громадян і держави.

Функціональні завдання:

• Аналіз та вибір open-source LLM-моделей під specific use cases банку: document processing, Q&A, аналіз транзакцій;
• Model optimization: quantization (GPTQ, AWQ, GGUF), pruning, distillation для зменшення розміру моделі та зростання швидкості на обмеженій GPU-інфраструктурі;
• Fine-tuning моделей на власних даних банку: LoRA, QLoRA, PEFT з урахуванням data privacy та регуляторних обмежень;
• Налаштування inference-серверів: vLLM, Triton Inference Server, llama.cpp — оптимізація throughput та latency;
• Розробка та підтримка evaluation pipelines: метрики якості моделі (BLEU, ROUGE, custom business metrics);
• Розробка промптів та RAG-архітектура (Retrieval-Augmented Generation) для інтеграції зі внутрішніми knowledge bases банку:
• Документування моделей: model cards, performance benchmarks, versioning;
• Координація з DevOps для забезпечення production-готовності моделей і інфраструктури.

Ми пропонуємо:

• Можливість для професійного розвитку в стабільній та прозорій організації;
• Можливість бути дотичним до розвитку країни;
• Ринковий рівень оплати праці, премії на основі оцінювання результатів роботи (KPI);
• Програми навчання;
• Недержавне корпоративне пенсійне страхування;
• Комфортні умови праці та гнучкий графік роботи;
• Колектив однодумців.

Наші очікування від кандидата:

• Вища освіта;
• Досвід роботи від 4 років;
• Рівень англійської мови не нижче А2;
• 3+ років досвіту в Machine Learning / Deep Learning з акцентом на NLP;
• Глибокий досвід з Python, PyTorch або TensorFlow;
• Знання LLM-архітектур: Transformer, attention mechanisms, tokenization;
• Досвід з fine-tuning і адаптацією моделей: LoRA, QLoRA, PEFT;
• Розуміння model quantization та optimization технік (GPTQ, AWQ, INT8);
• Досвід з open-source моделями: Llama, Mistral, GPT-2/Neo або аналогічними;
• Знання контейнеризації: Docker/Kubernetes;
• Розуміння RAG-архітектури та vector databases (pgvector, Milvus, Qdrant).

Бажані навички:

• Досвід з NVIDIA TensorRT та оптимізацією моделей під GPU;
• Знання Hugging Face ecosystem (transformers, datasets, PEFT);
• Досвід з MLOps: MLflow, Weights & Biases, або аналогічними;
• Розуміння банківських процесів та регуляторних вимог до AI (EU AI Act, guideline НБУ);
• Досвід з data pipelines та ETL для підготовки training data.