ML Engineer (ML HomeOS)

SberDevices — инновационное направление экосистемы Сбера, которое создает умные устройства, виртуальных ассистентов и платформенные решения в области NLP, computer vision, speech и ML-инфраструктуры. Команда ML HomeOS ищет ML Engineer, который будет заниматься обучением и адаптацией языковых моделей для пользовательских сценариев умных устройств: голосовой ассистент, управление HomeOS, персонализация и контекстное понимание, с фокусом на продакшен-качество и масштабирование.

• обучение и дообучение языковых моделей: continued pretraining / domain-adaptive pretraining под задачи HomeOS

• проведение Supervised Fine-Tuning (SFT) для decoder-only LLM, обучение и адаптация encoder-моделей под прикладные сценарии

• применение и развитие parameter-efficient fine-tuning подходов: LoRA / adapters / prefix- и prompt-tuning

• обучение и адаптация BERT-подобных encoder-моделей, а также классификаторов и encoder / seq2seq моделей для NLP-задач

• составление требований для датасетов SFT

• построение и поддержка пайплайнов обучения и переобучения моделей

• оптимизация моделей под продакшен-ограничения (latency, память, масштабирование)

• взаимодействие с инфраструктурными командами при интеграции моделей в ML-платформу HomeOS.

• опыт работы в ML / NLP от 3 лет

• практический опыт fine-tuning трансформеров

• опыт работы с LoRA / adapters / PEFT-подходами

• понимание архитектур ecoder-only, decoder-only, encoder-decoder)

• опыт обучения классификаторов и encoder / seq2seq моделей

• понимание ML-продакшена: воспроизводимость, версионирование, стабильность и воспроизводимость инференса

• опыт оптимизации обучения и инференса моделей

• навыки построения ML-пайплайнов и работы с оркестраторами.

• опыт участия в pretraining или large-scale fine-tuning проектах

• понимание особенностей продакшен-эксплуатации LLM

• опыт domain adaptation (continued pretraining, SFT, data-centric подходы) под закрытые или специфичные домены

• опыт распределённого обучения и оптимизации инференса

• опыт работы с ML-инфраструктурой для high-load систем

• опыт работы с:

• RLHF / preference optimization

• Distillation / quantization

• Inference optimization (KV-cache, batching и др.)

• гибридный формат работы (м Новослободская)

• годовая премия

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• регулярные митапы и развитое DS-community

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• подписка Прайм с возможностью совместного использования на трёх близких

• вознаграждение за рекомендацию друзей в команду Сбер.