Стажёр в центр компетенций Natural Language Processing

GigaChat увидит мир через данные, которые соберёте вы.

За GigaChat стоит одна из крупнейших ML-команд в России, которая обучает LLM и VLM полным циклом — от претрейна до релиза. Наша команда отвечает за то, с чего начинается любая сильная модель, — за данные: мы собираем визуальный корпус претрейна — ищем источники, фильтруем и дедуплицируем сырьё, ставим эксперименты и меряем влияние на бенчмарки. Именно состав и качество претрейн-данных определяют, каким получится финальный результат, и у вас будет возможность влиять на него напрямую.

Обязанности

• ставить эксперименты: формулировать гипотезы, какие данные и в каких пропорциях улучшат модель, и проверять их: продумывать сетап и бейзлайны, запускать обучающие прогоны, по замерам решать, что попадёт в финальную смесь
• автоматизировать подготовку данных: выстраивать очистку, дедупликацию и валидацию так, чтобы любой новый датасет без ручной доводки приходил в готовый к обучению вид
• добывать редкие и дефицитные домены: обучать классификаторы и кластеризаторы, которые вылавливают ценные сэмплы из сырых данных, и нарезать корпус на чистые датасеты по таксономиям
• собирать данные разных форматов: генерация VQA, синтетические задачи, interleaved-данные — каждый формат устроен по-своему и требует своего подхода
• обрабатывать миллиарды изображений: писать распределённый код, который прогоняет пайплайны на всём корпусе быстро и стабильно
• находить слабые места в данных: разбираться, где модель проседает из-за корпуса — чего не хватает, что зашумлено или разбалансировано, — и исправлять это
• развивать контур оценки: подключать свежие бенчмарки, следить за чистотой методики и не пускать тестовые данные в обучающий корпус

Требования

Кто нам подходит:

Человек, который сможет провести данные от поиска источников до состава финальной смеси. Главное — умение ставить эксперименты и делать из них честные выводы. Опыт именно с VLM или LLM не обязателен: специфика осваивается быстрее, чем культура эксперимента

Что мы хотели бы видеть:

• хорошая база ML, твёрдое знание CV и NLP
• понимание, как данные влияют на качество модели, и привычка при странностях в метриках первым делом смотреть в данные
• уверенный Python и опыт обучения моделей на PyTorch
• умение спланировать эксперимент и довести его до вывода, которому можно верить
• самостоятельность и проактивность: берёте тему, разбираетесь, доводите до результата

Плюсом будут:

• опыт построения дата-пайплайнов и процессов контроля качества данных
• опыт с распределённой обработкой (Spark, Dask, Airflow, YTsaurus)
• опыт проведения ML-экспериментов на больших объёмах
• публикации на профильных конференциях.

Мы открыты к кандидатам разного уровня, и попадать во все пункты не обязательно. Если задачи откликаются — напишите нам, остальное обсудим.

Условия

Что мы предлагаем:

• опыт претрейна из первых рук. Команд, обучающих VLM полным циклом, в стране единицы — вы пройдёте весь путь от сырых данных до готовой модели
• вычислительные ресурсы под ваши эксперименты. Один из самых больших GPU-кластеров в России: проверка гипотезы о данных стоит обучающего прогона, и на такие прогоны вычислений у нас хватает
• инфраструктура, которая уже работает. S3, YTsaurus, Airflow, DataLens, GitLab CI, wandb — всё для данных и экспериментов на месте, время уходит на исследования, а не на обвязку
• задачи, на которые ещё нет ответа. Как собрать лучшие визуальные данные для претрейна, пока не знает почти никто в мире — разбираться предстоит в том числе вам
• короткий путь от гипотезы до модели. Данные, которые вы отберёте, и гипотезы, которые подтвердятся, уходят в обучение следующей модели — а ей пользуются миллионы людей
• 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.

ОАО “Белгазпромбанк” приглашает на работу Главного специалиста в отдел моделирования и инфраструктуры данных управления офис данных (Data Scientist )

Функциональные обязанности:

• Решение Data Science задач полного цикла (сбор требований заказчика, извлечение и анализ данных, разработка ML-моделей, развертывание и мониторинг) в разных доменах (tabular, RecSys, NLP, audio).

Основные требования:

• Высшее математическое образование (прикладная математика, математическая статистика и т.п., предпочтительно диплом БГУ, БГУИР), или иное высшее образование при условии прохождения переподготовки на уровне высшего математического образования (прикладная математика, математическая статистика и т.п.);
• Стаж работы не менее 5 лет в финансовых учреждениях, в том числе опыт работы по направлению ML не менее 2 лет;
• Знание фундаментальных основ Data Science, понимание алгоритмов машинного обучения;
• Уверенное владение Python, включая библиотеки для работы с данными (в т.ч. pandas, numpy, scikit-learn, catboost);
• Опыт работы с PyTorch;
• Опыт развертывания (в виде пайплайнов или API-сервисов) и мониторинга ML-моделей;
• Умение работать с реляционными базами данных (написание сложных SQL-запросов);
• Владение git, Docker;
• Обязательное успешное прохождение тестового задания по SQL и ML;
• Хорошие коммуникативные навыки;
• Приветствуется опыт работы с LLM (RAG), навыки работы с BI-инструментами (Power BI) и опыт A/B тестирования.

Наши условия:

• Официальное трудоустройство согласно ТК РБ;
• Социальные гарантии: стабильная заработная плата, отпуск, оплата больничных;
• Реальные возможности для профессионального развития и карьерного роста внутри Банка.

Ссылка на вакансию в банке вакансий на gsz.gov.⁣by:

https://gsz.gov.by/registration/employer/vacancy/1614585/detail-public/

Обязанности:

• Разработка и сопровождение AI-микросервисов на Python для системы раннего обнаружения лесных пожаров.

• Разработка и развитие алгоритмов интеллектуальной видеоаналитики, обнаружения дыма, возгораний и других объектов и событий.

• Разработка и интеграция методов мультимодального обнаружения объектов на базе визуально-языковых моделей (Vision-Language Models, VLM).

• Обучение и дообучение нейросетевых моделей на существующих и новых датасетах под специализированные задачи.

• Подготовка, обработка и анализ датасетов: очистка данных, аугментация, проверка разметки, формирование обучающих и тестовых выборок.

• Оценка точности моделей, анализ ошибок, снижение ложных срабатываний и повышение качества детекции.

• Работа с OpenCV, обработка изображений и видеопотоков, в том числе RTSP.

• Интеграция моделей детекции объектов и VLM в существующую систему видеоаналитики.

• Оптимизация и развертывание нейросетевых моделей на GPU и устройствах NVIDIA Jetson.

• Оптимизация производительности инференса: скорость обработки, задержки, использование CPU, GPU и памяти.

• Разработка и сопровождение Docker-контейнеров с AI-сервисами.

• Тестирование, профилирование и устранение проблем в работе моделей и микросервисов.

• Участие в выборе нейросетевых архитектур и развитии технических решений системы.

Требования:

• Уверенное знание Python: ООП, asyncio, multiprocessing, работа с памятью, профилирование и оптимизация кода.

• Практический опыт разработки микросервисов на Python, знание FastAPI или аналогичных фреймворков, REST API.

• Уверенное владение PyTorch, практический опыт обучения и дообучения нейросетевых моделей.

• Опыт работы с датасетами: подготовка, очистка, аугментация, разделение на train / validation / test, оценка качества данных.

• Понимание архитектур нейросетей для Computer Vision, опыт работы с YOLO или аналогичными моделями детекции.

• Практический опыт работы с визуально-языковыми моделями (VLM), понимание принципов мультимодального анализа изображений и видеосцен.

• Понимание методов fine-tuning нейросетей, настройки процесса обучения, подбора гиперпараметров и оценки результатов.

• Уверенное знание OpenCV, опыт обработки изображений и видеопотоков.

• Понимание принципов object detection, classification, tracking и segmentation.

• Знание метрик качества ML-моделей: precision, recall, F1, mAP; умение анализировать ложноположительные и ложноотрицательные срабатывания.

• Опыт работы с NVIDIA Jetson (Orin, Xavier или аналогичными платформами).

• Понимание принципов GPU-вычислений, CUDA, ограничений вычислительных ресурсов и видеопамяти.

• Опыт оптимизации и развертывания моделей с использованием ONNX и TensorRT.

• Уверенная работа с Linux (Debian, Ubuntu).

• Практический опыт работы с Docker, включая сборку образов и запуск контейнеров с доступом к GPU.

• Уверенное владение Git, опыт командной разработки.

• Умение разбираться в существующем коде, диагностировать проблемы производительности и самостоятельно находить технические решения.

Будет плюсом:

• Опыт разработки систем видеоаналитики, обнаружения дыма, огня и других визуальных событий.

• Опыт дообучения VLM, использования LoRA / QLoRA, Hugging Face Transformers, PEFT.

• Опыт работы с Qwen-VL, LLaVA, InternVL или аналогичными моделями.

• NVIDIA DeepStream SDK, GStreamer.

• Triton Inference Server.

• Опыт работы с RTSP-потоками от большого количества IP-камер, в том числе PTZ.

• Опыт работы с CVAT, Label Studio, Roboflow.

• Опыт использования MLflow, Weights & Biases, DVC.

• Опыт оптимизации моделей с помощью FP16, INT8, quantization, pruning, distillation.

• Kubernetes (K8s), Helm.

• GitLab CI, Jenkins, GitHub Actions или другие CI/CD-системы.

• Опыт работы с Redis, RabbitMQ, Kafka.

• Понимание MLOps, организации процессов обучения, версионирования и обновления моделей.

Мы предлагаем:

• Возможность профессионального и карьерного роста. Мы заинтересованы в развитии сотрудников и поддерживаем желание брать на себя новые задачи и осваивать дополнительные направления.

• Внутрикорпоративное обучение и обмен опытом. Возможность учиться у коллег, участвовать в технических разборах, углублять экспертизу и применять новые знания на практике.

• Работу с современным технологическим стеком: Python, PyTorch, VLM, OpenCV, NVIDIA Jetson, CUDA, TensorRT, Docker, Linux.

• Реальное влияние на технические решения. Мы приветствуем инициативу, предложения по развитию AI-архитектуры, улучшению качества моделей и повышению производительности системы.

• Интересный и социально значимый проект. Вы будете участвовать в разработке и совершенствовании системы раннего обнаружения лесных пожаров с использованием технологий искусственного интеллекта.

• Возможность удалённой работы с периодическим посещением офиса для проведения совещаний, рабочих встреч и командных обсуждений.

• Гибкий рабочий график. Рабочий день в пределах с 9:00 до 18:00 с возможностью согласования времени работы с руководителем и командой.

• Дружную команду и комфортный офис. У нас можно обращаться за помощью, делиться идеями и вместе находить решения сложных технических задач.