CV Engineer (GigaChat Pretrain)

Мы - команда GigaChat Pretrain Data, готовим pretrain данные для GigaChat и GigaChat Vision. Pretrain данные - это фундамент, с которого начинается путь современной LLM модели и то, от чего наиболее зависит ее итоговое качество. Сырых данных более 40Пб и основная задача заключается в том, чтобы из этого хаоса сделать датасет, на котором будет обучена лучшая LLM в России.

Обязанности

Основные задачи будут лежать в следующих сферах:

Инфраструктура:

• поддержка данных для обучения VLM на кластере YTSaurus.


• построение удобной платформы для эффективного анализа/обработки данных (фильтрация, дедупликация и пр.)


• автоматизация процессов через Airflow.

RnD:

• поиск и синтез данных для обучения VLM (есть несколько областей: OCR/Charts&Tables/Grounding&Counting/General и тд).


• исследование пайплайнов по созданию чистых и разнообразных датасетов (на примере FineVision).

Эксперименты и метрики:

• Обучение VLM на подготовленных данных.


• проведение исследований релевантных intrain метрик, бенчмарков для замера качества.

Требования

• Опыт построения дата пайплайнов и data quality процессов


• Опыт работы в production ml команде (большие нагрузки как преимущество)


• Понимание задач CV и современных подходов в больших языковых моделях


• Опыт решения задач, связанных с влиянием данных на качество VLM


• Практический опыт работы с VLM.

Условия

• комфортный современный офис рядом с м. Кутузовская


• возможность выбрать удобный график – офис/гибрид/удаленка (в РФ)


• 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 для сотрудников по дисконтной прогамме


• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров


• вознаграждение за рекомендацию друзей в команду Сбера.