Middle/Senior Vision ML Engineer

Наша CV команда создает лучший в Сбере продукт для автоматического распознавания документов, используя самые передовые технологии. Главными задачами для нас являются разработка и улучшение OCR-модели на базе VLM, сбор обучающих данных с использованием кастомного agentic harness, и развёртывание клиентского сервиса внутри банка. Мы ищем Middle/Senior инженера, который будет заниматься полным циклом обучения и деплоя продукта.* изучать SOTA подходы к OCR: чтение свежих пейперов в сфере e2e OCR, адаптация подходов data mining, SFT/RL, гипотезы * ставить эксперименты по обучению VLM-моделей: проверка гипотез на multi-node сетапе, замер метрик на внешних и внутренних бенчмарках. * дорабатывать пайплайн обучения: улучшение репозитория на текущем стеке (accelerate, TRL) - ускорение обучения, добавление аугментаций, адаптация под новые модели * собирать обучающие данных: агрегация существующих и новых данных в требуемом формате MarkDown, поиск новых доменов, написание скриптов по загрузке * размечать датасеты: запуск процесса разметки для вновь собранных или существующих данных при помощи кастомного agentic harness сборщика разметки (а также его улучшение), или внутренней платформы разметки асессорами * адаптировать сервис: интеграция обученных моделей в сервис на основе vLLM для сёрвинга клиентам внутри банка.* высшее образование: математика, информатика или профильный data science * 3+ лет в ML, из них не меньше года лет с LLM/VLM в проде * английский для чтения статей и документации * Fine-tuning: SFT, LoRA/QLoRA, RL (DPO, GRPO) * современные движки инференса: vLLM, sgLang, triton * опыт работы с VLM: понимание принципов работы, дообучения, основных ограничений * агентные пайплайны: вызовы моделей, обработка исключений, ограничение стоимости * опыт в разметке датасетов асессорами, или автоматическими инструментами * Python: пишете код, который уходит в прод. Тесты, ревью, код-стайл * специфика банка: много контрагетов, с ними нужно иногда коммуницировать \*\*Будет плюсом\*\* * опыт python-бэкендера: FastAPI, асинхронность, очереди, PostgreSQL, векторные хранилища * работа с разметчиками и контрагентами * публикации, доклады, open source.* комфортный современный офис - м. Кутузовская * гибридный формат работы * ежегодный пересмотр зарплаты, годовой бонус * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * 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 на трёх близких * вознаграждение за рекомендацию друзей в команду Сбера * корпоративная пенсионная программа.