Руководитель направления

Наша команда занимается задачами, связанными с интеллектуальной обработкой документов, созданием систем OCR/HCR, парсингом таблиц, работой со структурированными документами (ID, формы и т.д.), извлечением сущностей и фактов из текстовой информации.

Сейчас в пайпланах используется более десятка различных DL моделей, выстроен процесс сбора и разметки данных, собственная команда разметчиков, инфраструктура трекинга экспериментов и управления датасетам, кластер из нескольких DGX для проведения экспериментов)

Нашими решениями (SberOCR, DocID) пользуется уже несколько десятков команд банка и мы продолжаем активно вкладываться в ресерч с целью улучшение существующих продуктов и развития новых инициатив.

Мы расширяем команду и ищем коллег для работы над сложными задачами связанными с анализом структуры документов, восстановлением порядка чтения с учетом семантики и улучшения существующих решений.

- Развитие собственного движка обработки документов OCR.

- Развитие transformer-based и graph-based подходов к анализу структуры документов (layout analysis) и восстановлению порядка чтения (reading order).

- Развитие text spotting методов.

- Участие в создание универсальных foundation models для обработки документов.

- Разработка методов исправления опечаток на основе LLM.

- Улучшение генераторов синтетических данных.

- Имплементация и обучение моделей OCR, детекции текста, детекции объектов, сегментации и классификации.

-Чтение статей и перекладывание SOTA на пром рельсы, в том числе GCN, LayoutLM V3, UDOP, Donut, UNIfied scene Text Spotter (UNITS).

- Запуск распределенного обучения на GPU кластере MLSpace (Кристофари).

- Организация циклов дообучения на новых данных (постановка задач разметчикам, запуск crowdsource майнинга данных и т.д).

- Оптимизация моделей для исполнения: квантизация и дистилляция моделей.

- Портирование на :tensorrt: и :openvino:

- Релизы новых моделей в среды исполнения.

- Отличное знание одного из pytorch, tf + numpy, sklearn, pandas

-Опыт разработки/обучения/внедрения одной или нескольких типов моделей: object detection , semantic segmentation, instance segmentation, OCR, text detection, text spotting, transformers, multimodal transformers и т.д.

- Хорошее знание классического CV и OpenCV

- Хорошее знание алгоритмов, python3, ООП, SOLID, git, docker

- Желание изучать новые подходы, модели и технологии

Плюсом будет:

- Хороший профиль на :github:

- Медальки на :kaggle:

- Опыт в обучение мультимодальных моделей

- Опыт работы с ClearML/MLflow, Kubeflow, DVC/LakeFS, S3/Minio, Airflow, Jenkins, Grafana

• талантливые коллеги, эксперты своего дела, готовые помочь и словом, и делом
• возможность увидеть результаты своей работы, внедрёнными в продукт
• своя digital-платформа для развития ключевых IT-компетенций, внутренние и внешние конференции, проф. сообществах Сбера
• расширенная программа ДМС, пониженные ставки на кредит, ипотеку, скидки от компаний-партнёров
• уютный офис, возможность выбора формата работы
• атмосфера стартапа и надёжность гиганта.