Это направление связано с созданием и применением больших нейросетей, которые понимают и генерируют человеческий язык, а также работают с разными типами данных. В основе профессии — не только архитектуры моделей, но и подходы к представлению информации: от токенизации текста до объединения изображений, звука и структурированных данных. Особое место занимает работа с нейросетями для обработки текста в прикладных задачах.
Специалисты занимаются проектированием решений, подготовкой данных, оценкой качества моделей и интеграцией их в продукты. В повседневной практике встречаются эксперименты с архитектурами, подбор гиперпараметров, анализ ошибок, мониторинг поведения модели в реальных сценариях. Большое значение имеет работа с языковыми моделями с учётом контекста и безопасности вывода.
Типичные задачи включают автоматическую генерацию контента, поиск по смыслу, суммаризацию документов, создание чат- и голосовых ассистентов, а также помощь разработчикам через модели для генерации кода. Широкие возможности дают мультимодальные модели, которые объединяют изображение, текст и другие форматы для комплексных приложений.
Сфера пересекается с обработкой естественного языка, компьютерным зрением, инженерией данных и DevOps для ML. Важны принципы оценки качества, объяснимость решений и этические аспекты работы с данными. Профессия требует баланса между математическим подходом и практической инженерией, а также умения коммуницировать результаты с коллегами из бизнеса и разработки.