Локация и формат
Москва, Кутузовский проспект, 32; формат работы: гибрид
Компания
СБЕР развивает продуктовый ML на базе GigaChat для СберБанк Онлайн и Giga.Chat, а также обучает open source модели под продуктовые сценарии.
Что делать
•Вести полный каскад обучения моделей: coldstart, SFT, DPO, online-RL на GRPO и OPD.
•Реализовывать новые алгоритмы и дорабатывать шаги обучения в verl, TRL, OpenRLHF и NeMo-RL.
•Поддерживать новые архитектуры моделей и обеспечивать воспроизводимость обучения на большом кластере.
•Проводить эксперименты с данными, конфигурациями и гиперпараметрами.
•Диагностировать качество и сходимость, профилировать код и выбирать чекпоинты для дальнейшего запуска и релиза.
Требования
•Сильная база в ML и практический вклад в код обучения моделей: training loop, эксперименты, диагностика сходимости и качества.
•Практический опыт распределённого обучения на нескольких узлах; понимание FSDP, DeepSpeed, Megatron или аналогичного стека.
•Опыт online-RL, GRPO или on-policy distillation; для содержательной hands-on работы достаточно 2–3 лет.
•Уверенное владение Python и PyTorch на уровне чтения и доработки кода обучения.
•Опыт проведения модели через несколько стадий — от coldstart или SFT до DPO и RL — с ответственностью за весь каскад.
•Опыт работы с verl или аналогичными фреймворками, обучения reward-моделей на больших наборах предпочтений, а также отладки и профилирования крупной ML-кодовой базы.
Культура и преимущества
•Корпоративный спортзал и зоны отдыха.
•Более 400 программ СберУниверситета для профессионального роста.
•Программа адаптации и поддержка руководителя на старте.
•DS&AI community с обменом знаниями, лекциями, мастер-классами, митапами и обзорами разработок.
•Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа.
•Льготная ипотека для сотрудников.
