CV 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 данных более 40Пб и основная задача заключается в том, чтобы из этого хаоса сделать датасет, на котором будет обучена лучшая LLM в России.Основные задачи будут лежать в следующих сферах: Инфраструктура: * поддержка данных для обучения VLM на кластере YTSaurus. * построение удобной платформы для эффективного анализа/обработки данных (фильтрация, дедупликация и пр.) * автоматизация процессов через Airflow. RnD: * поиск и синтез данных для обучения VLM (есть несколько областей: OCR/Charts&Tables/Grounding&Counting/General и тд). * исследование пайплайнов по созданию чистых и разнообразных датасетов (на примере FineVision). Эксперименты и метрики: * Обучение VLM на подготовленных данных. * проведение исследований релевантных intrain метрик, бенчмарков для замера качества.* Опыт построения дата пайплайнов и data quality процессов * Опыт работы в production ml команде (большие нагрузки как преимущество) * Понимание задач CV и современных подходов в больших языковых моделях * Опыт решения задач, связанных с влиянием данных на качество VLM * Практический опыт работы с VLM.* 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.