ML-инженер платформы данных (Senior, IC)

Наша команда отвечает за весь продуктовый ML в Сбере на базе GigaChat. Мы обучаем базовую модель для работы в продуктах СБОЛ (Сбербанк Онлайн, более 80 млн MAU) и Giga.Chat (более 20 млн уникальных пользователей).

Мы ищем сильного ML-инженера в команду платформы данных, трейна и эвала — общий фундамент для всех продуктов ассистента. Платформа состоит из трёх зон: платформа экспериментов, которая превращает скорость итерации в инженерную задачу; единый сервис трейна и эвала, где окружения и верификаторы одновременно питают обучение и оценку; платформа данных — единый источник истины по датасетам, трейсам и продовым логам.

Наша цель — сервисы, которым доверяют и которыми пользуются самостоятельно: продуктовые команды и исследователи работают с платформой через self-service интерфейсы и шаблоны, а не через очередь тикетов. Отдельная ответственность платформы — независимые пороги релиза: тот, кто обучает модель, не меряет её сам, а продукт не ставит себе планку релиза. Планку держит платформа.

Нам нужен инженер, который умеет самостоятельно доводить сложные технические задачи до production-качества и при этом готов выступать техническим наставником для одного-трёх стажёров или джуниоров: декомпозировать задачи, проводить код-ревью и помогать ребятам расти.

Чем предстоит заниматься:

• Развивать инфраструктуру экспериментов пост-обучения: метаданные, метрики, чекпоинты и артефакты каждого запуска собираются автоматически, любая цифра в отчёте воспроизводима спустя месяцы

• Собирать пайплайн `skill → train → LoRA → metrics`: от описания навыка до автосбора трейна, обучения адаптера и сравнимых метрик — без ручных шагов

• Развивать окружения и верификаторы как один актив, который одновременно питает обучение (генерацию SFT-данных, rejection sampling) и оценку (регрессию, независимые пороги релиза, калибровку автоматических чекеров) — по модели Atropos у Nous Research, где одно окружение работает и на обучение, и на оценку

• Проектировать хранение и версионирование…