Если вы раньше входили через Google, сбросьте пароль для своей Gmail-почты через кнопку «Забыли пароль?» на экране входа. Затем войдите по email и новому паролю.
Если аккаунта ещё нет, зарегистрируйтесь с Gmail-почтой, после подтверждения почты мы предложим задать пароль.
Что нового
Загружаю обновления...
Что нового
Загружаю обновления...
Работа найдется быстрее с подпискойКандидат найдётся быстрее с подпиской
Чтобы адаптировать резюме под вакансию или составить сопроводительное письмо, загрузите резюме
описание
NLP-команда занимается извлечением информации из документов, диалогов и текстов различной природы. Команда создаёт готовые продукты с LLM и self-service для бизнеса, где каждый может создавать нужные сценарии в режиме No-code.
задачи
Проектировать и калибровать judge-пайплайны: рубрики, эталонную разметку, согласованность с людьми, борьбу с позиционным смещением и смещением по длине;
Строить RAG-поиск для дублей и противоречий: чанкинг, гибридный поиск, реранкинг, проверку противоречий на уровне утверждений;
Делать регрессионные тесты знаний: golden set, пороги, прогон на каждое изменение промпта или модели;
Ловить галлюцинации: извлекать утверждения, привязывать их к источнику и проверять;
Дообучать и дистиллировать judge-модели для снижения стоимости и задержки без потери качества;
Собирать мультиагентные пайплайны с guardrails и контролем стоимости прогона.
требования
Высшее образование в математике, физике, информатике или профильном data science;
От 5 лет опыта в ML, включая не менее полутора лет работы с LLM в продакшене;
Опыт работы с RAG в продакшене, включая метрики качества, нагрузку и историю улучшений;
Знание Fine-tuning: SFT, LoRA/QLoRA, желательно DPO, а также понимание, когда дообучение не нужно;
Опыт построения и калибровки LLM-as-judge;
Знание guardrails и методов детекции галлюцинаций;
Опыт создания мультиагентных пайплайнов: оркестрация, обработка отказов, ограничение стоимости;
Умение писать на Python код для продакшена, использовать тесты, проводить ревью и соблюдать код-стайл;
Английский для чтения статей и документации;
Будет плюсом опыт Python-бэкендера с FastAPI, асинхронностью, очередями, PostgreSQL и векторными хранилищами, знание графов знаний и онтологий, опыт с NLI, извлечением фактов и разметчиками, публикации, доклады и open source.
условия
Гибридный формат работы;
Годовая премия;
Корпоративный спортзал и зоны отдыха;
Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития;
Регулярные митапы и развитое DS-сообщество;
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 с тремя близкими;
Вознаграждение за рекомендацию друзей в команду Сбера.