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

Описание

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.