СберCV Engineer (GigaChat Pretrain)
офис, удалёнка, гибрид, Москва
Команда GigaChat Pretrain Data готовит предtrain данные для GigaChat и GigaChat Vision. Роль фокусируется на создании и очистке датасетов, автоматизации пайплайнов и экспериментах по обучению VLM — напрямую влияющих на качество моделей.
ГрейдMiddle/Senior
Стек
VLMYTSaurusAirflowOCRCharts&TablesGrounding&Countingdata pipelinesdata qualitybenchmarks
Задачи
- •поддержка данных для обучения VLM на кластере/инфраструктуре
- •построение платформы для анализа и обработки данных (фильтрация, дедупликация и пр.)
- •автоматизация процессов пайплайнов через Airflow
- •поиск и синтез данных для обучения VLM (OCR, Charts&Tables, Grounding&Counting и т.д.)
- •исследование пайплайнов по созданию чистых и разнообразных датасетов
- •обучение VLM на подготовленных данных и проведение бенчмарков/метрик
Обязательно
- •опыт построения дата-пайплайнов и процессов обеспечения качества данных (data quality)
- •опыт работы в production ML команде
- •понимание задач компьютерного зрения и современных подходов в больших языковых/визуально-языковых моделях
- •опыт решения задач, связанных с влиянием данных на качество VLM
- •практический опыт работы с VLM
