ML Engineer (GigaChat Data)

Описание

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.