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: * выпускник ШАД/ ВШЭ Факультета компьютерных наук/ МФТИ Факультета инноваций и высоких технологий * имеешь коммерческий релевантный опыт в роли NLP Engineer от двух лет * 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 рядом с м. Кутузовская * гибридный формат работы (2 дня в офисе, 3 дня на удалёнке) * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * система обучения для профессионального и карьерного развития * расширенный полис ДМС с первого дня работы и страхование для семьи * льготная программа ипотеки для сотрудников * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Обязанности

###

Требования

###

Условия

###