СберCV Engineer (GigaChat Pretrain)
Москва
Команда GigaChat Pretrain готовит pretrain‑датасеты для GigaChat и GigaChat Vision. Роль фокусируется на сборе, очистке и подготовке больших наборов данных и построении инфраструктуры/пайплайнов для обучения визуально-языковых моделей, что напрямую влияет на качество итоговой модели
ГрейдSenior
Стек
YTsaurusAirflow
Задачи
- •поддержка данных для обучения VLM на кластере YTsaurus
- •построение платформы для анализа, фильтрации и дедупликации данных
- •автоматизация пайплайнов и процессов через Airflow
- •поиск и синтез данных для областей OCR, Charts&Tables, Grounding&Counting и др.
- •исследование и оптимизация пайплайнов подготовки чистых и разнообразных датасетов
- •участие в обучении VLM и разработке метрик/бенчмарков для оценки качества
Обязательно
- •опыт построения data‑пайплайнов и процессов обеспечения качества данных
- •опыт работы в production ML‑команде
- •понимание задач компьютерного зрения и современных подходов в больших языковых моделях (LLM)
- •опыт решения задач влияния данных на качество VLM
- •практический опыт работы с визуально‑языковыми моделями
