СБЕР

Pretrain Data LLM Researcher (GigaChat)

Данные — главный рычаг качества фронтирной модели. Станьте тем, кто его держит

СБЕР

↑ Вакансия с автоподнятием
400k–1000k ₽РоссияМоскваГибрид

Данные — главный рычаг качества фронтирной модели. Станьте тем, кто его держит

GigaChat обучает одна из крупнейших ML-команд страны. Мы знаем то же, что знают OpenAI и Anthropic: качество следующей версии модели определяют претрейн-данные. Поэтому мы ищем не «инженера по датасетам», а исследователя, который будет владеть данными как рычагом роста модели — от стратегии сбора до измеримого прироста на бенчмарках.

Контур влияния короткий и прямой: ваша гипотеза → эксперимент → обучающий прогон → прирост метрик модели, которой пользуются миллионы людей.

  • Вести программу экспериментов с данными.

  • Планировать, запускать и анализировать ablation-эксперименты: сравнивать версии смеси данных, фильтров и порядка обучения при фиксированном вычислительном бюджете. Вы автор эксперимента, а не исполнитель.

  • Оптимизировать смесь и порядок использования данных.

  • Отвечать на главный вопрос претрейна: какие данные, в какой пропорции и в каком порядке должна видеть модель. Применять интуицию scaling laws к распределению токенов.

  • Измерять качество данных.

  • Превращать расплывчатые «хорошие данные» в конкретные измеримые сигналы: классификаторы для отбора документов, насыщенных рассуждениями, кодом и знаниями.

  • Курировать корпус на масштабе триллионов токенов.

  • Проводить точную и fuzzy-дедупликацию, фильтрацию, очистку от утечек бенчмарков, html2text.

  • Собирать данные для agentic-pretrain.

  • Проводить поиск, сбор и генерацию траекторий использования инструментов, многошаговых рассуждений и взаимодействия со средой — чтобы агентные способности закладывались в модель уже на этапе претрейна, а не только в пост-обучении.

  • Создавать рецепты подготовки синтетических данных.

  • Генерировать синтетику под дефицитные способности модели (длинный контекст, рассуждения, код) — с количественной проверкой через эксперименты.

  • Замыкать петлю: «данные → обучение → оценка».

  • Развивать контур бенчмарков и сетапов экспериментов для измерений, чтобы каждое изменение данных имело измеримый ответ.

  • Нам нужны сильные исследователи, а не исполнители. Главное — умение самостоятельно задавать правильные вопросы, проектировать эксперименты и доводить гипотезы до измеримого результата.

  • Опыт именно с LLM не обязателен, если у вас сильная экспериментальная практика в любой области ML — компьютерное зрение, рекомендательные системы, классический ML, наука — специфике больших языковых моделей мы научим.

  • Сильные основы ML и статистики, культура контролируемого эксперимента: гипотеза → дизайн → измерение → вывод.

  • Уверенный Python и опыт обучения моделей на PyTorch или аналогах.

  • Самостоятельность в исследованиях: умение вести направление от вопроса до результата, а не ждать постановки задачи.

  • Понимание цикла обучения LLM хотя бы на уровне теории: токенизация, scaling laws, влияние состава данных на качество.

  • Знакомство с распределённой обработкой данных (Spark, Dask, Airflow, Kubernetes) и открытыми data-проектами (FineWeb, OLMo, Dolma) — как минимум представление о том, как это устроено.

Не обязательно закрывать все вышеперечисленные пункты. Если вы сильный экспериментатор и хотите дорасти до владения всем циклом данных фронтирной модели — давайте поговорим.

  • Вычислительные ресурсы под ваши эксперименты.
  • Один из крупнейших GPU-кластеров в стране.
  • ablation-эксперименты — это обучающие прогоны, и вы сможете запускать их регулярно, а не «раз в квартал, если повезёт».
  • Претрейн с нуля, а не дообучение чужих весов.
  • Мы обучаем собственную модель с первого токена — это значит, что ваши решения по данным определяют фундамент модели, а не косметику поверх чужого претрейна. Сейчас мы учим модели размером 400–700B параметров, и у нас есть амбиции выйти на масштаб 1.5–2T.
  • Опенсорс и мировая планка. Мы выкладываем модели в открытый доступ, и наша цель — достичь мирового уровня среди опенсорс-моделей. Ваша работа будет видна всему сообществу и будет сравниваться с лучшими открытыми моделями мира.
  • Полная ориентация на результат.
  • Минимум бюрократии, максимум ответственности и свободы. Работу меряем не количеством задач, а приростом модели на бенчмарках при том же бюджете. Подтверждённая гипотеза попадает в обучение следующей модели.
  • Развитая инфраструктура.
  • Зрелый стек для работы с данными и экспериментами: S3, YTsaurus, Airflow, DataLens, GitLab CI, wandb.
  • Вы приходите не строить платформу с нуля, а исследовать — пайплайны, оркестрация, трекинг экспериментов и визуализация уже работают.
Эта вакансия также есть на:Getmatch

Похожие вакансии Data Science & ML

Соц.сети

Senior Data Scientist

Зарплата не указанаРоссияУдалёнка

📑 Вакансия Senior Data Scientist

Удаленно (РФ)

💎 •••••••• ищет Data Scientist. Задачи: анализ бизнес‐контекста, данных и инфраструктуры, поиск уязвимых мест и точек роста в бизнес‐процессах, тестирование ML‐подходов (классификация, кластеризация, uplift, ранжирование, нейросети), сравнение экспериментальных моделей с текущим решением, валидация моделей по офлайн‐метрикам, запуск лучшего решения в продакшн.

🧩 Требования: от 3 лет опыта в DS, опыт вывода моделей в прод, уверенный Python и продвинутый SQL, опыт в классическом ML (бустинги, регрессия, ранжирование, классификация), знание статистики, A/B‐тестов и основ оптимизации, умение презентовать сложные решения бизнесу, проактивность в поиске точек роста и новых идей. Будет плюсом: PySpark, техническое образование в топ‐10 вузе.

🌐 ••••••••

🔮 •••••••• — бесплатно постим IT-вакансии

hh.ru
вкусно — и точка

Data Scientist (Рекомендательные системы)

вкусно — и точкаАвтоподнятие
Зарплата не указанаРоссияМоскваГибрид

Основные задачи:

  • Разработка моделей для рекомендательных систем CVM

  • Рекомендация персональных предложений в мобильном приложении, рекомендации докупа в корзине, рекомендации в карточке товара

Наши пожелания:

  • Высшее образование
  • Навыки построения авторегрессионных моделей (семейство ARIMA, экспоненциальное сглаживание, Prophet и тд) и деревянных моделей (случайный лес, бустинги) в задачах прогнозирования
  • Высокий уровень Python, средний уровень SQL
  • Знание и опыт использования как классических рекомендательных алгоритмов (матричная факторизация), так и более продвинутых (бустинги, нейронные сети)
  • Умение работать с очисткой от выбросов, сглаживания временного ряда
  • Приветствуется опыт работы с нейронными сетями в задачах прогнозирования

Мы предлагаем:

  • Работу в компании с мировыми стандартами и легендарной историей
  • Оформление в ИТ аккредитованную компанию
  • Интересные задачи и профессиональное развитие
  • Конкурентоспособный социальный пакет
  • Гибридный формат работы

hh.ru
рнпк

DS\ML Инженер

рнпк
Зарплата не указанаРоссияМоскваГибрид
Обязанности:
  • Разработка и внедрение ML-моделей и пайплайнов для решения бизнес-задач (классификация документов, извлечение сущностей, поиск аномалий, RAG-системы).

  • Предобработка, очистка и анализ витрин данных из корпоративного хранилища данных (КХД) для обучения и использования моделей.

  • Интеграция ML-моделей и LLM (в т.ч. через API) в производственные системы и RPA-процессы.

  • Настройка и поддержка векторных баз данных и механизмов эмбеддинга для AI-агентов.

  • Мониторинг качества работы моделей в промышленной эксплуатации (контроль дрейфа данных, точности ответов).

Требования:

  • Высшее техническое (прикладная математика, компьютерные науки, анализ данных).
  • Уверенное знание Python и основных библиотек для работы с данными и ML.

  • Продвинутый уровень SQL и понимание принципов реляционных баз данных.

  • Понимание архитектуры современных LLM и практический опыт построения RAG-систем (работа с LangChain, LlamaIndex или аналогами).

  • Опыт создания и документирования REST API (например, на FastAPI или Flask) для развертывания моделей.

  • Опыт работы с векторными базами данных.

  • Практический опыт работы с российскими LLM или open-source моделями.

  • Знакомство с основами MLOps: Docker, базовые принципы CI/CD для ML, MLflow или аналоги.

  • Опыт работы с неструктурированными данными (текст, PDF, изображения) и OCR-технологиями.

  • Аналитический склад ума и здоровое любопытство к новым технологиям.

  • Умение работать в условиях неопределенности (когда данные "грязные", а требования размыты).

  • Способность объяснять ограничения и вероятностную природу ИИ не техническим специалистам.

Условия:
  • Прием на работу по трудовому договору;
  • Размер заработной платы по результатам собеседования;
  • Ежеквартальная и годовая премия;
  • ДМС (работник+члены семьи), страховка от НС и критических заболеваний;
  • Корпоративная мобильная связь;
  • График 5/2 (гибрид);
  • Собственный спортивный зал на территории.

HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.