Team Lead ML Engineer (Large-Scale Multimodal Dataset Pipelines)

Разрабатываем подходы к фильтрации, оцениваем состав больших датасетов и масштабируем пайплайны для обработки и фильтрации огромных мультимодальных датасетов (текст-видео-аудио триплеты, инструкции для редактирования), критически важных для обучения наших моделей.

Обязанности

• создание инфраструктуры для генерации синтетических инструкций для редактирования изображений/видео и синтетических описаний для изображений/видео/аудио
• обучение и внедрение VLM - based фильтров (e.g., на основе Qwen VL и пр.) для автоматической оценки качества, релевантности и безопасности данных
• построение системы дедупликации, кластеризации и балансировки мультимодальных датасетов
• оптимизация хранения данных на удаленных хранилищах и потоковой передачи данных для ускорения обучения
• масштабирование пайплайнов на распределенных кластерах
• опыт руководства (3-4 человека в подчинении).

Требования

• экспертиза в построении data pipelines (Python, SQL)
• опыт обработки мультимодальных данных (особенно видео/аудио), кодеки, фреймворки (FFmpeg, librosa)
• уверенное применение CV/VLM для фильтрации данных (PyTorch, Hugging Face Transformers)
• опыт работы с распределенными вычислениями и облачными хранилищами (S3, GCS)
• знание практик data versioning (DVC) и управления метаданными
• опыт с синтетической генерацией данных, active learning.

Условия

• самое крупное DS&AI сообщество — более 600 специалистов банка
• дайджест о последних разработках в области DS&AI и отчёты с крупных мировых конференций
• гибридный или офисный формат работы
• современный офис у метро Кутузовская
• ежегодный пересмотр зарплаты и годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• специальные условия ипотеки под ставку до 7%
• бесплатная подписка СберПрайм+ и скидки на товары партнёров
• вознаграждение за рекомендации друзей.