Аналитик-разработчик (GigaChat Data, Speech Data)

 Наши задачи на проекте с LLM (GigaChat):

• готовим данные для всех этапов обучения GigaChat: претрейн, файнтюнинг (SFT), RLHF, доменное обучение, продуктовые кейсы и др.
• формируем обучающие и тестовые сеты мультимодальных моделей и эмбедеров
• придумываем и внедряем метрики оценки качества работы GigaChat
• организуем всю разметку для GigaChat: пишем DE пайплайны, делаем аналитику, пишем методологию
• инициируем различные эксперименты для обучения базовой модели
• обучаем модели для обработки данных. Например, классификаторы типов, сегментация документов и пр.

Наши задачи на проекте Speech Data :

• готовим данные для всех голосовых задач в SaluteSpeech
• вместе с ML-инженерами мы разрабатываем модели распознавания речи, диаризации, споттера, распознавания эмоций, а еще учим GigaChat понимать звук
• у нас современный стек, мощные сервера и петабайты аудио

• Сбор и обработка данных для обучения базовых моделей LLM и ее компонент (претрейн, SFT, reward, PPO и пр.)
• Реализация проектов для B2B на основе базовой модели: мы работаем с множеством смежных команд и внешними заказчиками, разрабатываем end-2-end решения
• Определение необходимых метрик для различных компонент, сбор датасетов, написание кода замеров. Мы ищем лучшие метрики для оценки качества работы LLM: от общепринятых (MMLU, TruthfulQA и др.) до кастомных метрик оценки качества работы модели в режиме диалогов или мультимодальных сценариях
• Написание пайплайнов сбора разметки. Наша команда отвечает за организацию сбора всей разметки для проекта GigaChat: методология, разработка сценариев, кодовая база, мониторинги качества, агрегация и оценка качества конечных меток. Мы имеем обширную кодовую базу, которая еженедельно пополняется
• Изучение свежих материалов и статей, касающихся работы с обучающими данными LLM, улучшение описанных подходов, проведение экспериментов на базе SOTA подходов и их адаптаций

• Знаешь Python на высоком уровне (алгоритмы, структуры данных, GIL, async - Pandas в разработке не используем)
• Умеешь работать в базами данных
• Разбираешься в метриках: как ML, так и продуктовых
• Знаешь математическую статистику, теорию вероятностей и умеешь применять их на практике

• Очень сильная молодая команда с которой можно расти вместе
• Масштабные, сложные и разнообразные задачи
• Есть возможность влиять на развитие продукта и результат
• Конкурентную компенсацию (оклад и премии по результатам деятельности)
• Свободный дресс-код
• Гибкий график для оптимального баланса работы и личной жизни
• Профессиональное обучение, семинары, тренинги, конференции, корпоративная библиотека
• ДМС, страхование жизни
• Самые инновационные, амбициозные проекты и задачи
• Льготные кредиты и корпоративные скидки