ML Engineer (ML HomeOS)
Описание
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. Чем предстоит заниматься? 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. Мы ожидаем, что вы: 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. Будет плюсом: 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.) Почему вам понравится работать у нас? Сильная команда, амбициозные задачи и продукты, которыми пользуются миллионы; Удобный формат работы с возможностью гибкого начала рабочего дня; Надёжная программа ДМС и НС с первого месяца работы; Обучение и развитие: курсы и тренинги от корпоративного университета, внешнее обучение за счёт компании и участие в конференциях; Льготная ипотека и корпоративная пенсионная программа; СберКлуб: cкидки от партнёров, повышенные бонусы, акции экосистемы, подписка СберПрайм+.