ML/LLM-инженер (on-prem, агентные системы) (Python)

В Центре робототехники Сбера мы разрабатываем модели, которые позволяют роботам понимать окружающий мир, выполнять инструкции и решать задачи в реальных условиях. Мы работаем над Vision-Language-Action (VLA) и World Action Models (WAM), объединяя обучение на изображениях, видео, языке и робототехнических данных.

Мы ищем Research Engineer, который будет заниматься предобучением и дообучением этих моделей: исследовать архитектуры и методы обучения, работать с большими мультимодальными датасетами, масштабировать обучение и адаптировать модели под конкретные задачи и робототехнические платформы. Работа охватывает полный цикл экспериментов — от постановки гипотезы и подготовки данных до оценки качества и проверки результатов на роботах совместно со смежными командами.

Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!

Обязанности

• разрабатывать и обучать VLA/WAM-модели для понимания сцен и инструкций, предсказания динамики окружающего мира и генерации действий робота
• развивать методы предобучения на разнородных данных: изображениях, видео, текстах, демонстрациях и траекториях роботов
• дообучать и адаптировать модели под новые задачи, объекты, условия и робототехнические платформы
• исследовать архитектуры, представления действий и функции потерь, включая transformer-, autoregressive- и diffusion/flow matching-подходы
• формировать смеси обучающих данных, выбирать стратегии семплирования и исследовать влияние качества, объёма и состава данных на способности моделей
• разрабатывать и оптимизировать пайплайны распределённого обучения на GPU-кластерах: повышать стабильность обучения, эффективность вычислений и использования памяти
• проводить воспроизводимые эксперименты и абляционные исследования, анализировать динамику обучения и причины ошибок
• разрабатывать методики оценки моделей: измерять качество предсказаний и действий, успешность выполнения задач, устойчивость и перенос на новые условия
• совместно с командами робототехники и инфраструктуры интегрировать модели в контур управления и проверять их на реальных роботах
• формировать рекомендации по сбору дополнительных данных и улучшению обучающих выборок на основе результатов экспериментов и испытаний.

Требования

• опыт разработки и обучения современных DL-моделей в одной или нескольких областях: computer vision, video understanding/generation, multimodal learning, LLM/VLM или robot learning
• уверенное владение Python и PyTorch
• хорошее понимание современных нейросетевых архитектур, прежде всего transformers, методов оптимизации и принципов обучения на последовательностях
• практический опыт pretraining или finetuning моделей: подготовка данных, выбор функций потерь, настройка обучения, оценка качества и анализ ошибок
• опыт работы с большими датасетами и эффективными пайплайнами загрузки и обработки данных
• опыт обучения моделей на нескольких GPU и понимание принципов распределённого обучения
• умение ставить исследовательские гипотезы, планировать эксперименты и делать обоснованные выводы по их результатам
• умение писать поддерживаемый и воспроизводимый код, работать с Git и инструментами отслеживания экспериментов
• способность читать научные статьи и реализовывать перспективные подходы
• самостоятельность и готовность доводить исследовательскую идею до работающей модели совместно со смежными командами.

Будет плюсом

• опыт работы с VLA, world models, action-conditioned video models или другими моделями для embodied AI
• опыт обучения политик по демонстрациям: imitation learning, behavior cloning, diffusion policies
• опыт с diffusion, flow matching, авторегрессионной генерацией видео и моделированием пространственно-временной динамики
• опыт мультимодального предобучения, self-supervised learning или обучения на эгоцентрическом видео
• опыт переноса моделей между робототехническими платформами и работы с разными представлениями действий
• опыт reinforcement learning, offline RL или улучшения политик на основе обратной связи и результатов выполнения задач
• опыт масштабирования обучения на нескольких узлах, работы с FSDP, DeepSpeed, Megatron или аналогичными инструментами
• опыт исследования scaling laws, оптимизации смесей данных и планирования экспериментов при ограниченном вычислительном бюджете.
• опыт запуска моделей на реальных роботах, анализа неудачных действий и оптимизации инференса
• публикации, открытые проекты или воспроизводимые исследовательские результаты в ML, computer vision или робототехнике.
• 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

• офисный формат работы, адрес офиса Автозаводская 23а к2
• ежегодный пересмотр зарплаты, квартальная и годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• программа адаптации и помощь руководителя на старте
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• подписка Прайм с возможностью совместного использования на трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера.

SberDevices — инновационное направление экосистемы Сбера, которое создает умные устройства, виртуальных ассистентов и платформенные решения в области NLP, computer vision, speech и ML-инфраструктуры.

Команда ML HomeOS ищет ML Engineer, который будет заниматься обучением и адаптацией языковых моделей для пользовательских сценариев умных устройств: голосовой ассистент, управление HomeOS, персонализация и контекстное понимание, с фокусом на продакшен-качество и масштабирование.

Чем ты будешь заниматься:

• Обучение и дообучение языковых моделей: continued pretraining / domain-adaptive pretraining под задачи HomeOS;
• Проведение Supervised Fine-Tuning (SFT) для decoder-only LLM, обучение и адаптация encoder-моделей под прикладные сценарии;
• Применение и развитие parameter-efficient fine-tuning подходов: LoRA / adapters / prefix- и prompt-tuning;
• Обучение и адаптация BERT-подобных encoder-моделей, а также классификаторов и encoder / seq2seq моделей для NLP-задач;
• Составление требований для датасетов SFT;
• Построение и поддержка пайплайнов обучения и переобучения моделей;
• Оптимизация моделей под продакшен-ограничения (latency, память, масштабирование);
• Взаимодействие с инфраструктурными командами при интеграции моделей в ML-платформу HomeOS.

Мы ожидаем:

• Опыт работы в ML / NLP от 3 лет;
• Практический опыт fine-tuning трансформеров;
• Опыт работы с LoRA / adapters / PEFT-подходами;
• Понимание архитектур ecoder-only, decoder-only, encoder-decoder);
• Опыт обучения классификаторов и encoder / seq2seq моделей;
• Понимание ML-продакшена: воспроизводимость, версионирование, стабильность и воспроизводимость инференса;
• Опыт оптимизации обучения и инференса моделей;
• Навыки построения ML-пайплайнов и работы с оркестраторами.

Будет плюсом:

• Опыт участия в pretraining или large-scale fine-tuning проектах;
• Понимание особенностей продакшен-эксплуатации LLM;
• Опыт domain adaptation (continued pretraining, SFT, data-centric подходы) под закрытые или специфичные домены;
• Опыт распределённого обучения и оптимизации инференса;
• Опыт работы с ML-инфраструктурой для high-load систем;
• Опыт работы с:

* RLHF / preference optimization

* Distillation / quantization

* Inference optimization (KV-cache, batching и др.)

Что мы предлагаем:

• Сильная команда, амбициозные задачи и продукты, которыми пользуются миллионы;
• Удобный формат работы с возможностью гибкого начала рабочего дня;
• Надёжная программа ДМС и НС с первого месяца работы;
• Обучение и развитие: курсы и тренинги от корпоративного университета, внешнее обучение за счёт компании и участие в конференциях;
• Льготная ипотека и корпоративная пенсионная программа;
• СберКлуб: cкидки от партнёров, повышенные бонусы, акции экосистемы, подписка СберПрайм+.

Вдохновляющая возможность для Data Scientist в нефтегазовой отрасли!

Если вы мечтаете применять машинное обучение и нейросетевые технологии для решения реальных задач, хотите влиять на эффективность разработки месторождений и автоматизировать сложные процессы — присоединяйтесь к нашей команде!

Чем предстоит заниматься:

• Разрабатывать и внедрять модели машинного обучения и нейросетевого моделирования для оптимизации процессов в нефтегазовой отрасли
• Структурировать, готовить и анализировать данные по разработке нефтегазоконденсатных месторождений
• Создавать скрипты для автоматизации рутинных задач и интеграции с профильным ПО
• Обучать нейросети для поиска аномалий во временных рядах (промысловые замеры) и гидродинамических моделях
• Оптимизировать рабочие процессы с помощью современных аналитических инструментов

Что важно для успеха:

• Опыт работы Data Scientist от 3 до 6 лет
• Глубокие знания методов машинного обучения, нейросетевого моделирования и оптимизации
• Практический опыт работы с большими массивами данных, их структурированием и подготовкой)
• Опыт автоматизации процессов и написания скриптов для взаимодействия с ПО
• Умение работать с временными рядами и строить модели для поиска аномалий
• Аналитический склад ума, самостоятельность и инициативность

Условия и преимущества:

• Официальное трудоустройство, стабильная "белая" зарплата
• График работы 5/2, рабочий день с 8:30
• Работа в офисе компании, современное оборудование и поддержка профессионального развития
• Возможность влиять на ключевые процессы и внедрять инновации в крупной технологической компании

О компании ООО "МНУ" — эксперт в области технического обслуживания автоматизированных систем, сетевой инфраструктуры и бизнес-приложений для нефтегазовой отрасли. Мы ценим профессионализм, открыты к новым идеям и поддерживаем развитие каждого сотрудника.