Руководитель Команды Данных (Ai)

TL;DR

Руководитель Команды Данных (AI): Создание и развитие команды, отвечающей за подготовку датасетов для post-training больших языковых моделей, с акцентом на online RL, cold start и обучение reward-моделей. Фокус на выстраивании процессов взаимодействия с ML-командами и обеспечении стабильного производства качественных данных.

Локация: Россия, удалённо

Salary: 700 000 — 1 300 000 ₽/мес на руки

Компания

Сбербанк — крупнейший банк в России, Центральной и Восточной Европе, один из ведущих международных финансовых институтов.

Что делать

• Сформировать с нуля команду данных для post-training, определив роли, зоны ответственности и принципы работы.
• Организовать производство датасетов для online RL, cold start, reward modeling и других направлений post-training.
• Ввести стандарты качества для датасетов и организовать контроль качества данных.
• Построить устойчивый процесс работы с внутренними заказчиками, обеспечивая быстрый и предсказуемый цикл от запроса до передачи готового датасета.
• Развивать инфраструктуру и инструменты для работы с данными, обеспечивая хранение, версионирование и переиспользование данных.
• Руководить командой дата-специалистов, развивая экспертизу по сбору, подготовке и контролю качества данных для LLM.

Требования

• Опыт руководства командой данных, разметки, data production или смежным направлением.
• Опыт построения процессов с нуля, включая найм, распределение ролей, организацию потока задач, контроль качества и сроков.
• Умение работать с внутренними заказчиками и переводить их потребности в понятные требования к данным.
• Понимание влияния данных на качество ML-моделей, особенно в задачах post-training.
• Опыт построения устойчивых процессов подготовки датасетов, а не только разовых проектов.
• Сильные управленческие и коммуникационные навыки.

Хорошо, если есть

• Опыт работы с данными для LLM, recommendation systems или других сложных ML-продуктов.
• Понимание специфики датасетов для online RL, cold start, reward modeling.
• Опыт построения quality control процессов для больших объёмов данных.
• Опыт запуска новой команды или нового направления внутри крупной организации.
• Понимание полного цикла post-training больших языковых моделей.

Культура и преимущества

• Возможность с нуля построить важную для всей организации data-функцию.
• Большое влияние на качество обучения и развитие GigaChat.
• Сильные внутренние заказчики и задачи на переднем крае развития LLM.
• Возможность собрать свою команду и определить принципы её работы.
• Конкурентная компенсация, премии и расширенный соцпакет.