ML Engineer (Multimodal GigaChat Data)

Мы — команда GigaChat Data, готовим данные для обучения базовых моделей GigaChat во всех модальностях (Text, Vision, Audio, Video): SFT, RLHF, навыки, безопасность и продуктовые сценарии.

Ищем специалистов в данные для работы с мультимодальными моделями: изображение, видео, аудио и их комбинации.

Направления задач

• Мультимодальные датасеты. Сбор и подготовка данных для задач с изображениями, аудио и видео: диалоги, инструкции, пользовательские сценарии.

• Пайплайны данных. Построение процессов сбора, очистки, фильтрации и разметки данных из production и open-source источников.

• Разметка и схемы аннотации. Проектирование разметки для мультимодальных задач: понимание изображений и видео, вопросы-ответы, суммаризация, сложные пользовательские запросы.

• Метрики качества и бенчмарки. Подбор и расчет метрик, разработка тестовых наборов и бенчмарков для оценки качества моделей.

• Анализ качества моделей через данные. Поиск проблемных сценариев, деградаций и точек роста на основе данных и логов.

Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!

Обязанности

• подготовка датасетов для обучения и тестирования моделей

• разработка и поддержка data pipeline’ов

• контроль качества данных и разметки

• анализ метрик и результатов моделей

• работа с большими объемами мультимодальных данных

Требования

• уверенный Python (алгоритмы, структуры данных, async)

• опыт работы с данными в ML-задачах

• понимание метрик качества моделей

• базовая статистика

Будет преимуществом

• опыт с image / video / audio данными

• опыт с LLM или мультимодальными моделями

• опыт…