Junior/Middle Data Scientist (Classic ML / LLM)
Наша команда занимается независимой оценкой и контролем за моделями и AI-решениям Банка — от классических моделей и NLP до современных LLM-решений и агентов. Мы проверяем корректность, челленджим подходы разработчиков, предлагаем улучшения…
сбер · На сервисе с: 19.06.26 18:46
↑ Вакансия с автоподнятиемНаша команда занимается независимой оценкой и контролем за моделями и AI-решениям Банка — от классических моделей и NLP до современных LLM-решений и агентов. Мы проверяем корректность, челленджим подходы разработчиков, предлагаем улучшения и разрабатываем собственные альтернативные решения.
Сейчас у нас открыта вакансия Validation DS — фокус на анализе, построении и валидации моделей и LLM-решений, используемых в различных бизнес-процессах Банка.
- разбираться в структуре моделей из разных бизнес-доменов (от скоринга до распознавания речи и биометрии)
- проверять корректность моделей и челленджить подходы разработчиков.
- разрабатывать альтернативные ML-решения, исследовать новые методы и метрики оценки
- автоматизировать периодическую проверку качества моделей (мониторинг)
- проводить исследования SOTA-подходов для ключевых процессов Банка.
Технологический стек
Базовый стек: python, pandas, pytorch
Будет плюсом:
+ для Classic ML: Spark, уверенный опыт с DL (lightning, pytorch-distributed)
+ LLM / GenAI:langchain, smolagents, faiss, huggingface, vllm и др.
Инфраструктура:
-
собственный Hadoop-кластер приличных размеров
-
GPU — до 32 H100 под обучение или до 10 A100 в рантайме (в зависимости от задач)
-
высшее образование в области компьютерных, технических или физико-математических наук
-
от 1 года в ML (готовы рассмотреть сильных кандидатов с меньшим опытом, но с хорошими pet-проектами или участием в соревнованиях)
-
глубокое понимание теории ML, мат. статистики и теории вероятностей
-
опыт применения основных библиотек анализа данных.
-
базовые знания bash и git
-
для LLM-направления — желателен опыт работы с NLP и GenAI (от 1 года).
Будет плюсом:
-
опыт построения индустриальных решений или pet-проектов с LLM
-
навык декомпозиции сложных задач и проактивный подход.
-
возможность внести вклад в развитие самой перспективной сферы — искусственный интеллект
-
формат работы: гибрид (м.Кутузовская)
-
ежегодный пересмотр зарплаты и 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
-
гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
-
бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
-
вознаграждение за рекомендацию друзей в команду Сбера
Похожие вакансии Data Science & ML
Привет! Это команда Внутренних сервисов.
Мы развиваем систему интеллектуального распознавания документов, которой пользуются внутренние сервисы компании. Система уже работает в проде и распознаёт 30+ видов документов.
Сейчас мы ищем Senior ML-инженера, который будет развивать существующий ML-продукт: улучшать качество распознавания и извлечения информации из документов, дообучать LLM под конкретные задачи и запускать новые сценарии в production.
Мы активно используем LLM — с их помощью решаем задачи, для которых раньше требовались сложные CV-пайплайны.
Наш стек
Python, PyTorch, Transformers, LLM, PostgreSQL, Redis, Kubernetes, Docker.
Вы будете
Развивать существующую систему распознавания документов и улучшать качество её работы.
Обучать и дообучать LLM под задачи распознавания, классификации, извлечения и структурирования информации из документов.
Исследовать новые подходы к применению LLM и выбирать модели и методы обучения под конкретные задачи.
Запускать ML-решения в production, анализировать их качество и улучшать существующие пайплайны.
Работать на стыке ML, NLP и Computer Vision: решать задачи обработки документов, где LLM дополняют или заменяют классические CV-подходы.
Примеры задач
Распознавание и парсинг сканов ЭТК — от паспортов до заграничных документов.
Классификация резюме и других документов.
Саммаризация документов.
Извлечение структурированной информации из неструктурированных документов с помощью LLM.
Дообучение LLM под конкретные задачи распознавания документов.
Исследование новых моделей и подходов, которые могут улучшить качество или упростить существующие решения.
Нам важно
Сильная база в Machine Learning и Deep Learning.
Практический опыт обучения и дообучения LLM.
Опыт работы с Python и современным ML-стеком.
Понимание подходов к оценке качества ML-моделей и умение анализировать результаты экспериментов.
Опыт внедрения ML-моделей в production.
Способность самостоятельно разбираться в новой задаче, выбирать подход к её решению и доводить результат до production.
Будет плюсом
Опыт работы с OCR и задачами распознавания документов.
Опыт в NLP и работе с LLM для извлечения и структурирования информации.
Опыт работы с Computer Vision.
Опыт использования LoRA, PEFT и других подходов к эффективному дообучению LLM.
HireSeeker собирает вакансии со всех площадок и присылает только релевантные. Бесплатно.