ML-инженер обучения и alignment моделей ассистента (Senior, IC) (AI)

Локация: Москва, Кутузовский проспект, 32; формат работы: гибрид

Компания

СБЕР развивает продуктовый ML на базе GigaChat для СберБанк Онлайн и Giga.Chat, а также обучает open source модели под продуктовые сценарии.

Что делать

• Вести полный каскад обучения моделей: coldstart, SFT, DPO, online-RL на GRPO и OPD.
• Реализовывать новые алгоритмы и дорабатывать шаги обучения в verl, TRL, OpenRLHF и NeMo-RL.
• Поддерживать новые архитектуры моделей и обеспечивать воспроизводимость обучения на большом кластере.
• Проводить эксперименты с данными, конфигурациями и гиперпараметрами.
• Диагностировать качество и сходимость, профилировать код и выбирать чекпоинты для дальнейшего запуска и релиза.

Требования

• Сильная база в ML и практический вклад в код обучения моделей: training loop, эксперименты, диагностика сходимости и качества.
• Практический опыт распределённого обучения на нескольких узлах; понимание FSDP, DeepSpeed, Megatron или аналогичного стека.
• Опыт online-RL, GRPO или on-policy distillation; для содержательной hands-on работы достаточно 2–3 лет.
• Уверенное владение Python и PyTorch на уровне чтения и доработки кода обучения.
• Опыт проведения модели через несколько стадий — от coldstart или SFT до DPO и RL — с ответственностью за весь каскад.
• Опыт работы с verl или аналогичными фреймворками, обучения reward-моделей на больших наборах предпочтений, а также отладки и профилирования крупной ML-кодовой базы.

Культура и преимущества

• Корпоративный спортзал и зоны отдыха.
• Более 400 программ СберУниверситета для профессионального роста.
• Программа адаптации и поддержка руководителя на старте.
• DS&AI community с обменом знаниями, лекциями, мастер-классами, митапами и обзорами разработок.
• Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа.
• Льготная ипотека для сотрудников.