CV engineer (Gigachat)

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.