NLP Engineer (GigaChat Pretrain)
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 данн…
СБЕР На сервисе с: 21.09.26 12:37
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
- генерировать синтетические данные: математика, код, произвольная синтетика с сидами - документами из Web
- исследовать токенизацию и ее влияние на качество модели (возможно написание статей)
- решать задачи кластеризации миллиардов документов
- исследовать разные факторы, которыми обладают текстовые данные
- генерировать Vision данные для прокачки VLM
- разрабатывать новые алгоритмы парсинга HTML и исследовать его влияние на качество модели
- исследовать зависимости между pretrain данными и agentic capabilities итоговой модели
- разрабатывать стабильную инфраструктуру, которая будет поддерживать проведение сотен и тысяч экспериментов над данными.
Требования
- имеешь коммерческий релевантный опыт связанный с NLP или построением инфраструктуры для данных 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
- опыт с MapReduce системами.
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.
Похожие вакансии Data Science & ML
Привет! Мы ищем Junior Data Scientist в дружную и высокопрофессиональную команду Business Data Science.
От нас – много интересных задач, прекрасный коллектив, потенциал для роста. От тебя – овладение нашим подклассом задач и необходимым для его решения инструментарием, при желании – решение нестандартных задач и участие в разработке внутреннего инструментария.
Чем мы занимаемся: регрессионные модели на бизнес-данных, помогающие клиентам из крупного и очень крупного бизнеса принимать критически важные для их работы решения.
Что предстоит делать:
- построение регрессионных моделей на бизнес-данных:
- ETL – выгрузка и загрузка данных;
- Preprocessing – предобработка данных;
- Feature Engineering – формирование предикторов;
- Modeling – построение модели, включая верификацию;
- Reporting – подготовка отчёта по результатам моделирования.
- взаимодействие с внутренними и внешними заказчиками;
- участие в разработке внутреннего инструментария самого разного характера;
- другие нестандартные задачи.
Что мы от тебя ждем:
- опыт моделирования и/или работы с данными в рабочих или академических проектах;
- владение Python или R и соответствующими библиотеками для анализа данных;
- математический фундамент: представление о математической статистике, теории вероятностей, алгоритмах оптимизации и т.п.
Будет плюсом:
- интерес к разработке и программированию (есть задачи по созданию и развитию инструментария);
- опыт в бизнес-аналитике (бизнес-аналитик, маркетинговый аналитик, стратег) или хорошее понимание, как устроен бизнес;
- практическое представление о Git, CI/CD, Docker, ML Flow;
- умение презентовать результаты работы внутреннему и внешнему заказчику.
Junior data scientist (модели кредитного риска)
• Участвовать в разработке и поддержке моделей кредитного риска для юридических лиц.
• Анализировать данные, создавать и отбирать признаки для моделей.
• Применять алгоритмы машинного обучения: линейные модели, случайный лес, градиентный бустинг.
• Тестировать новые источники данных и подходы к моделированию, включая анализ платежного поведения.
• Готовить аналитические материалы, участвовать в исследованиях и предлагать собственные идеи.
Будет преимуществом
• Знакомство с XGBoost, LightGBM, CatBoost или Apache Spark.
• Опыт работы с Hadoop, Hive, Impala или реляционными базами данных.
Требования:
• Высшее или незаконченное высшее образование в области математики, экономики, анализа данных или смежных направлениях.
• Базовые знания теории вероятностей, математической статистики и машинного обучения.
• Навыки работы с Python и библиотеками pandas, numpy, scikit-learn.
• Базовое знание SQL и понимание основных этапов подготовки данных.
• Готовность учиться, развиваться и работать в команде.
Условия:
• Стабильный и прозрачный доход: размер заработной платы обсуждается по итогам собеседования + квартальная премия по результатам KPI
• Гибкий график работы: вы сможете планировать время так, как удобно вам и вашей команде
• Полную удалёнку или гибрид на выбор, а также уютный ИТ-хаб в Москве, Санкт-Петербурге, Екатеринбурге и сезонный коворкинг в Сочи
• Сложные и интересные задачи, современный стек технологий
• Заботу о вашем здоровье: программа ДМС с первых дней работы, куда входит стоматология, обслуживание в лучших клиниках города, страхование и компенсация 10-ти дней больничного
• Возможность вертикального и горизонтального карьерного роста: регулярно проходят тренинги, вебинары, митапы и демо-дни
• Оплату посещения профильных конференций и курсов, помогаем с подготовкой к публичным выступлениям и написанием статей на Хабр
• Доступ к бесплатным корпоративным библиотекам Alpina Digital, МИФ и бизнес-изданий
HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.