Роль чётко сосредоточена на данных для мультимодального обучения и измеримом улучшении моделей, с доступом к крупному AI-проекту и исследовательским возможностям; основной компромисс - работа из Москвы в офисном или гибридном формате.
Современный стек
Чёткая зона ответственности
AI-исследования
?Работа в Москве
Мэтч & Сопровод
Покажет вашу совместимость и напишет письмо
Создать профиль и узнать мэтч
Описание вакансии
Текст:
Hirify AI/Оригинал
TL;DR
ML-инженер по данным в команду GigaChat Multimodal Data (Vision) (Python/PyTorch, VLM, OCR): Подготовка и проверка данных для SFT и DPO мультимодальных моделей с акцентом на бенчмарки, синтетическую генерацию, DPO-пары и качество разметки. Focus on проектирование пайплайнов дедупликации и выявления утечек, автоматической оценки LLM-судьями, LoRA-экспериментов и измерения роста метрик на визуальных задачах.
Локация: Москва. Формат работы: на месте работодателя; также доступен выбор между гибридом и офисом.
Компания
СБЕР развивает GigaChat и мультимодальные модели, включая визуальное понимание документов, графиков, рукописного текста и видео.
Что делать
Собирать данные под мультимодальные бенчмарки, анализировать ошибки моделей по субтаскам и измерять влияние новых данных на метрики.
Генерировать синтетические документы, таблицы, формулы и рукописный текст, а также создавать вопросы, ответы и пошаговые визуальные рассуждения с помощью моделей-учителей.
Строить DPO-пары из ошибок модели и проверенных исправленных ответов, контролируя типы дефектов и длину ответов.
Проектировать инструкции, контрольные задания и агрегацию для краудсорсинговой и экспертной разметки, включая парные сравнения моделей.
Развивать пайплайны дедупликации, выявления утечек тестовых наборов, конвертации и валидации данных, включая git-версионирование, YTsaurus и Airflow.
Создавать дашборды состава датамиксов, сравнивать версии SFT/DPO и проверять эффект источников через LoRA-дообучение и бенчмарки.
Требования
Не менее 3 лет опыта подготовки данных для обучения или оценки ML-моделей: сбор, фильтрация, дедупликация и разметка; понимание влияния данных SFT и DPO.
Уверенное владение Python, включая PyTorch, Pandas или Polars и Asyncio для пакетных API-запросов, а также SQL.
Опыт работы с большими языковыми или мультимодальными моделями, включая VLM и Vision Transformers, и библиотеками Hugging Face.
Опыт применения LLM/VLM для автоматической фильтрации, генерации синтетики, построения пайплайнов с LLM-судьями и проверки судей людьми.
Сильная математическая и статистическая подготовка: понимание дисперсии и шума бенчмарков, согласованности разметчиков и парных сравнений, умение отличать рост метрики от утечки теста.
Хорошо, если есть
Опыт работы с мультимодальными моделями, OCR, пониманием документов и lmms-eval или аналогичными фреймворками.
Опыт проектирования краудсорсинговой разметки в TagMe или Toloka.
Опыт эффективного дообучения с LoRA, QLoRA или PEFT на GPU-кластерах.
Опыт работы с YTsaurus, Spark или ClickHouse на сотнях миллионов строк и с Airflow.
Культура и преимущества
Крупное DS&AI-сообщество банка: более 600 специалистов.
Доступ к дайджестам о разработках в DS&AI, материалам международных конференций и возможности быть соавтором НИРов и статей.
Ежегодный пересмотр зарплаты и годовая премия.
Расширенный ДМС, льготное страхование семьи, корпоративная пенсионная программа и ипотека по ставке до 7%.
Корпоративный спортзал, зоны отдыха, образовательные программы СберУниверситета, подписка СберПрайм+ и скидки партнёров.
Полная занятость.
Процесс найма
Первый этап — общение с AI-рекрутером в Telegram после отклика; диалог занимает около 10 минут и уточняет недостающие детали.
Будьте осторожны
Если работодатель просит войти в их систему, используя iCloud/Google, прислать код/пароль, запустить код/ПО, не делайте этого. Это мошенники. Обязательно жмите «Пожаловаться» или пишите в поддержку. Подробнее в гайде →