Job description
Разрабатываем подходы к фильтрации, оцениваем состав больших датасетов и масштабируем пайплайны для обработки и фильтрации огромных мультимодальных датасетов (текст-видео-аудио триплеты, инструкции для редактирования), критически важных для обучения наших моделей.
-
создание инфраструктуры для генерации синтетических инструкций для редактирования изображений/видео и синтетических описаний для изображений/видео/аудио
-
обучение и внедрение VLM - based фильтров (e.g., на основе Qwen VL и пр.) для автоматической оценки качества, релевантности и безопасности данных
-
построение системы дедупликации, кластеризации и балансировки мультимодальных датасетов
-
оптимизация хранения данных на удаленных хранилищах и потоковой передачи данных для ускорения обучения
-
масштабирование пайплайнов на распределенных кластерах
-
опыт руководства (3-4 человека в подчинении).
-
экспертиза в построении data pipelines (Python, SQL)
-
опыт обработки мультимодальных данных (особенно видео/аудио), кодеки, фреймворки (FFmpeg, librosa)
-
уверенное применение CV/VLM для фильтрации данных (PyTorch, Hugging Face Transformers)
-
опыт работы с распределенными вычислениями и облачными хранилищами (S3, GCS)
-
знание практик data versioning (DVC) и управления метаданными
-
опыт с синтетической генерацией данных, active learning.
-
самое крупное DS&AI сообщество — более 600 специалистов банка
-
дайджест о последних разработках в области DS&AI и отчёты с крупных мировых конференций
-
гибридный или офисный формат работы
-
современный офис у метро Кутузовская
-
ежегодный пересмотр зарплаты и годовая премия
-
корпоративный спортзал и зоны отдыха
-
более 400 образовательных программ СберУниверситета
-
расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
-
специальные условия ипотеки под ставку до 7%
-
бесплатная подписка СберПрайм+ и скидки на товары партнёров
-
вознаграждение за рекомендации друзей.