ML Engineer (GigaChat Data)

Мы — команда ML-инженеров, специализирующаяся на инфраструктуре данных и валидации моделей. Наша команда создает критически важные инструменты для оценки качества моделей, разрабатывает пайплайны обработки данных и фокусируется на генерации высококачественных технических и кодовых данных для обучения моделей.

Наши основные направления:

• Validation & Metrics — инструменты валидации и замера моделей

• Data Engineering — пайплайны чистки и синтеза данных

• Code & Technical Data — генерация кодовых/технических данных

• MLOps — хостинг и использование open source моделей

• Model Training — эксперименты с LoRA и SFT.

Если тебе интересно создавать инфраструктуру для развития LLM и работать с передовыми технологиями в области данных — приходи к нам.

Обязанности

• разработка инструментов для валидации и замера качества моделей и систем контроля качества данных
• создание метрик оценки производительности и точности LLM
• автоматизация процессов тестирования и бенчмаркинга, фильтрации и предобработки
• построение и оптимизация пайплайнов чистки и синтеза данных
• генерация высококачественных кодовых и технических датасетов
• создание синтетических данных для обучения моделей на технических задачах
• поддержка инфраструктуры для хостинга open source моделей
• интеграция и использование open source модели в продуктовых решениях
• обучение LoRA адаптеров для экспериментальных задач
• проведение SFT обучения в рамках исследований данных
• анализ результатов экспериментов и интерпретация подходов.

Требования

• отличное знание Python и опыт работы с ML-библиотеками (LangChain/LangGraph, PyTorch, llm-foundry, verl)
• опыт работы с LLM (как open source: Llama, Mistral, Qwen, так и проприетарными: GPT, Claude)
• понимание принципов работы с данными для обучения моделей: сбор, очистка, валидация
• навыки построения ML пайплайнов и автоматизации процессов
• понимание процессов, знание подходов к валидации и тестированию моделей машинного обучения
• понимание основ MLOps и работы с контейнеризацией (Docker).

Будет плюсом:

• опыт с фреймворками для работы с агентами и RAG
• знание подходов к fine-tuning (LoRA, QLoRA, SFT)
• опыт работы с системами версионирования данных и экспериментов (DVC, MLflow, W&B)
• понимание принципов работы с кодовыми данными и техническими текстами
• опыт развертывания и мониторинга ML-моделей в production.

Условия

• крупнейшее DS&AI community — более 600 DS-специалистов банка
• дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира
• возможность выбрать удобный формат работы: гибрид или офис
• комфортный современный офис: ст. м. Кутузовская, пр. Кутузовский, 32
• ежегодный пересмотр зарплаты, годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• ипотека выгоднее до 7% для каждого сотрудника
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера.