ML разработчик

Центр робототехники Сбера обучает модели для управления роботами в сложных реальных условиях. Команда анализирует качество данных, проверяет влияние состава датасетов на результаты моделей и формирует решения для сбора, разметки, фильтрации и выборки данных.

• Строить автоматические и полуавтоматические пайплайны проверки качества данных, чтобы находить технические и смысловые дефекты до попадания данных в обучение;
• Запускать или сопровождать обучение и дообучение моделей на разных версиях датасетов, чтобы измерять влияние качества, состава и фильтрации данных на метрики модели;
• Разрабатывать метрики качества данных и использовать их как диагностический сигнал до подтверждения связи с успешностью модели на роботе и в тестовых сценариях;
• Формировать фильтры, уровни качества и стратегии выборки по качеству, разнообразию, задачам, объектам, окружениям, роботам, источникам и типам ошибок;
• Проводить сравнительные эксперименты с составом данных, чтобы проверять, какие данные помогают модели, а какие можно исключить или отправить на доработку;
• Анализировать ошибки модели и переводить их в конкретные запросы на данные: что дособирать, переразметить, удалить или добавить в выборку;
• Готовить теги задач, объектов, окружений и ошибок, эталонные наборы примеров, правила контроля качества разметки и критерии приёмки;
• Исследовать влияние изменений камер, конфигурации робота, калибровок и других сенсоров на качество данных и результат модели;
• Готовить краткие технические отчёты с гипотезами, данными, метриками, ограничениями, выводами и рекомендациями для выпуска датасета или плана сбора данных.

• От 3 лет опыта в анализе данных, инженерии данных, ML-инженерии, прикладном машинном обучении или близкой области;
• Уверенное владение Python, включая pandas/polars, numpy, визуализацию, ноутбуки и пакетную обработку данных;
• Знание SQL и опыт работы с большими датасетами, манифестами, метаданными, дашбордами или аналитическими конвейерами;
• Понимание экспериментального дизайна, включая абляционные эксперименты, контрольные группы, статистическую надёжность и интерпретацию метрик;
• Базовое понимание цикла обучения и оценки ML-моделей, а также связи состава данных с метриками модели;
• Умение анализировать мультимодальные данные: видео, временные ряды, действия, метаданные задач и метки;
• Умение переводить наблюдения из данных и ошибок модели в конкретные рекомендации;
• Хорошая письменная коммуникация для подготовки отчётов, журналов решений и постановки задач смежным командам;
• Будет плюсом опыт с robot learning, VLA, imitation learning, RL, наборами данных CV/VLM или embodied AI, W&B, MLflow, Hydra, отслеживанием экспериментов и происхождением датасетов, контролем качества разметки, active learning, курированием данных, обнаружением аномалий и оценкой качества, понимание domain shift, camera shift, embodiment gap, task transfer и data-centric AI, навыки работы с генеративными AI-моделями, опыт создания и использования AI-агентов, опыт использования GigaChat, Kandinsky и аналогов в продуктах, инструментальное владение AI для анализа, генерации и автоматизации.

• Офис по адресу: Москва, Автозаводская, 23а к2;
• Ежегодный пересмотр зарплаты;
• Квартальная и годовая премия;
• Корпоративный спортзал и зоны отдыха;
• Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития;
• Программа адаптации и помощь руководителя на старте;
• Расширенный ДМС;
• Льготное страхование для семьи;
• Корпоративная пенсионная программа;
• Дисконт по ипотечному кредиту в размере 1/3 ключевой ставки ЦБ;
• Подписка Прайм с возможностью совместного использования с тремя близкими;
• Вознаграждение за рекомендацию друзей в команду Сбера.