NLP engineer (GigaChat Pretrain Data)

Описание

Мы - команда GigaChat Pretrain Data, готовим pretrain данные для GigaChat и GigaChat Vision. Данных много. Очень много (40+ Пб сырого хаоса). Если хочется не просто тренировать модели, а работать с реально большими данными, то вот твой шанс.

Обязанности

* чистить данные по узким доменам (аниме, игры, сериалы, книги, фильмы) → LLM-парсинг + Code Execution Feedback; * генерить синтетические данные; * разбираться с токенизацией; * кластеризовать данные; * писать дедупликацию на Rust; * оптимизировать MapReduce → Spark, тысячи ядер; * экспериментировать с SFT и RL → DPO, DRPO, увеличиваем качество синтетики.

Требования

### Ожидания от кандидата * выпускник  Факультета компьютерных наук/Факультета инноваций и высоких технологий * имеешь коммерческий релевантный опыт в роли NLP Engineer от двух лет. Будет Плюсом * навыки работы с генеративными AI-моделями; опыт создания AI-агентов и использования их в работе будет преимуществом * опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов * инструментальное владение AI для анализа, генерации и автоматизации.

Условия

* комфортный современный офис ул. Розы Люксембург 56а * возможность выбрать удобный график – офис/гибрид/удаленка * ежегодный пересмотр зарплаты и 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 * гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.