Вакансии

Location: Москва Мы — команда GigaChat Data, готовим данные для обучения базовых моделей GigaChat во всех модальностях (Text, Vision, Audio): SFT, RLHF, навыки, безопасность и продуктовые сценарии. Сейчас ищем специалистов в данные под проекты, связанные с ML на устройствах: офлайн-ассистент, локальное ASR, keyword spotting, VAD/EOU и персонализация. _Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_ Обязанности * подготовка данных для обучения и тестирования моделей * разработка и поддержка data pipeline’ов * анализ качества моделей через данные и метрики * поиск точек роста и проблемных сценариев * работа с продовыми и beta-логами устройств. Требования * уверенный Python (алгоритмы, структуры данных, async) * опыт работы с данными в ML-задачах * понимание метрик качества моделей * базовая статистика * опыт в speech-задачах (ASR, VAD, diarization, keyword spotting) * опыт построения data pipeline’ов * опыт с разметкой и краудсорсингом. Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * возможность выбрать удобный формат работы: гибрид или офис * ежегодный пересмотр зарплаты, годовая премия * 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 * ипотека выгоднее до 7% для каждого сотрудника * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Привет! Это GigaChat Vision — команда, которая делает полный цикл обучения VLM моделей, включающий в себя стадии pre-training, SFT и DPO/RL. Мы ищем сильных инженеров и исследователей, которые будут двигать вперед качество мультимодального GigaChat. _Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_ Обязанности * Самостоятельная работа в рамках заданного направления развития качества VLM: от планирования, до выкатки в прод; * Планирование и работа над исследовательскими задачами по архитектуре модели, стратегии и данным обучения; * Формирование гипотез по улучшению качества модели, самостоятельное планирование экспериментов по их подтверждению и постановка multi-node обучений на большом количестве GPU (тысячи A100/H100); * Решение сложных инженерных задач, развитие и оптимизация кодовой базы обучения и эвала VLM, написание чистого кода и проведение code review; * Анализ точек роста и определение способов их закрытия. Требования * Сильный технический бэкграунд в modern ML: понимание того, как данные, архитектура и стратегии обучения влияют на итоговое качество модели; * Опыт полного цикла обучения VLM или LLM; * Глубокие знания или опыт работы в области computer vision; * Понимание принципов работы распределенного обучения (FSDP) или опыт обучения моделей на больших GPU кластерах; * Наличие навыков технического лидерства: проведение code-review, помощь и менторинг младших сотрудников; * Умение работать, принимать решения и выстраивать процессы в условиях неопределенности; * Умение и желание взаимодействовать с коллегами, вносить собственные идеи и предлагать пути достижения общих целей. Условия **Будет плюсом:** * Опыт полного цикла обучения VLM; * Наличие публикаций в области NLP или CV; * Опыт решения задач по оптимизации обучения; * Опыт участия в соревнованиях по машинному обучению или программированию.

Location: Москва Привет! Это GigaChat Vision — команда, которая делает полный цикл обучения VLM-моделей. Ищем сильного инженера в RL-направление: человека, который будет драйвить ключевые исследования и разработки, влиять на качество моделей и доводить сложные идеи до работающих решений. _Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_ Обязанности * Разрабатывать и улучшать RL-подходы для обучения VLM/LLM-моделей: выбор алгоритмов, постановка экспериментов и анализ результатов; * Проектировать reward-функции и пайплайны обучения, выстраивать стратегии масштабирования под разные домены и сценарии, напрямую влияя на метрики качества; * Определять требования к данным для RL: участвовать в построении пайплайнов сбора, фильтрации и подготовки датасетов; * Развивать систему оценки reasoning-качества: внедрять и улучшать метрики в существующем eval-фреймворке, предлагать новые способы измерения качества под новые возможности модели; * Работать на стыке с Pretrain / SFT / Infra: обеспечивать согласованность решений и перенос экспериментов в продакшн-пайплайн; * Следить за состоянием области и переводить свежие идеи из статей в проверяемые эксперименты и инженерные решения; * Глубоко погружаться в технические задачи: дебажить эксперименты, разбирать аномалии в обучении, находить узкие места и доводить решения до результата; * Делиться экспертизой с командой: участвовать в код-ревью, помогать улучшать качество решений и подходы к экспериментам; * Развивать инфраструктуру для RL. Требования * Глубокое понимание RL для LLM/VLM (RLHF, GRPO, PPO) и практический опыт; * Понимание полного цикла обучения VLM/LLM (pretrain → SFT → RL) и того, как решения на каждом этапе влияют на финальные метрики; * Опыт с распределённым обучением (DeepSpeed, FSDP) и inference-фреймворками. * Сильный практический опыт постановки, проведения и анализа RL-экспериментов; * Умение работать в условиях неопределённости и самостоятельно двигать сложные технические задачи; * Умение выстраивать процессы в условиях неопределённости; * Опыт взаимодействия со смежными командами и стейкхолдерами; * Системное мышление: способность видеть картину целиком — от данных и reward-дизайна до eval и продакшн-метрик. **Будет плюсом:** * Опыт менторинга или технического лидерства в рамках отдельных проектов; * Публикации или open-source вклад в области RL/LLM/VLM; * Опыт вывода RL-обученных моделей в продакшн и поддержки их качества. Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * возможность выбрать удобный формат работы: гибрид или офис * ежегодный пересмотр зарплаты, годовая премия * 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 * ипотека выгоднее до 7% для каждого сотрудника * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва В этой роли вы будете работать над задачами на стыке машинного обучения, обработки сигналов и production engineering: от детекции шума, шепота и голосовой активности до диаризации, споттинга, биометрии, EOU и routing-логики. Это возможность не просто решать сложные прикладные ML-задачи, а строить и улучшать реальные системы, которые работают в проде, выдерживают требования по latency и качеству и становятся важной частью пользовательского опыта. _Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_ Обязанности * Разрабатывать, обучать и улучшать ML-модели для аудио- и speech-задач * Работать с полным циклом разработки моделей: от постановки задачи, анализа данных и построения пайплайнов до внедрения, мониторинга и итеративного улучшения в production * Проектировать решения для real-time и streaming-сценариев с жёсткими требованиями к latency, стабильности и качеству * Исследовать и внедрять современные подходы в audio ML и speech ML, выбирая между классическими методами, deep learning и hybrid-подходами в зависимости от задачи и продуктового эффекта * Строить и улучшать системы оценки качества: offline-метрики, тестовые наборы, error analysis, A/B-подходы и другие способы объективно измерять качество моделей * Работать с данными: формировать обучающие выборки, улучшать разметку, искать источники деградации качества, повышать устойчивость моделей к шуму, акцентам, каналам связи и другим вариациям реального мира * Оптимизировать модели и inference-пайплайны для эффективной работы в production-среде * Плотно взаимодействовать с инженерами, исследователями, продуктом и смежными командами, чтобы быстро доводить сильные ML-идеи до рабочего решения * Вносить вклад в техническое направление команды, предлагать новые подходы, поднимать планку качества и помогать принимать архитектурные решения. Требования * Высшее образование в области математики, computer science, физики, статистики, data science * Уверенный senior-уровень в machine learning и практический опыт построения и внедрения ML/DL-моделей в production * Сильная экспертиза в одном или нескольких направлениях, связанных с audio, speech или signal processing * Отличное знание Python и уверенная работа с основным ML-стеком: PyTorch, NumPy, Pandas, Scikit-learn, а также инструментами для обучения, экспериментов и production deployment * Опыт работы с метриками качества * Сильные коммуникационные навыки и способность ясно объяснять сложные технические вещи как инженерам, так и нетехническим стейкхолдерам * Проактивность и желание двигать вперёд не только свою задачу, но и весь ML-контур команды. Условия * Крупнейшее DS&AI community — более 600 DS-специалистов банка * Дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * Возможность быть соавтором НИРов и статей для международных конференций * Возможность выбрать удобный формат работы: гибрид или офис * Ежегодный пересмотр зарплаты, годовая премия * 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 * Ипотека выгоднее до 7% для каждого сотрудника * Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * Вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Мы — команда синтеза речи в GigaPlatform. Создаём и развиваем технологии синтеза речи. Решаем полный цикл задач синтеза, включающий и собственно синтез, в том числе на LLM, и NLP-задачи, и многое другое.Недавно мы выпустили мощное обновление нашего синтеза, которое на голову выше того, что было раньше, особенно по естественности и "человечности" ([https://habr.com/ru/companies/sberbank/articles/966640/](https://habr.com/ru/companies/sberbank/articles/966640/)). На достигнутом останавливаться не планируем, и уже готовим ещё более качественную модель синтеза.Сейчас мы расширяем команду отдела production-внедрения. Ищем талантливых DL-инженеров, которые понимают как модели работают на уровне математики и аппаратуры. Обязанности * Низкоуровневая оптимизация работы с «железом» * Поддержка инфраструктуры взаимодействия с LLM * Вывод новых архитектур в prod. Требования * Опыт работы в области глубокого обучения, в том числе с LLM * Глубокое знание CUDA и Python * Знание и опыт работы с фреймворками TensorRT, vLLM и SGlang * Приветствуется опыт с C++. Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * возможность выбрать удобный формат работы: гибрид или офис * ежегодный пересмотр зарплаты, годовая премия * 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 * ипотека выгоднее до 7% для каждого сотрудника * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Мы — core-команда, которая отвечает за ML для понимания аудио во всем Сбере. За последний год мы выложили в open source SOTA-модель для распознавания речи на русском языке — **GigaAM**, а прошлой весной первыми в России запустили **нативное понимание звука в LLM — GigaChat Audio**. Сейчас мы активно улучшаем мультимодальные возможности GigaChat: работаем над качеством на сложных аудио- и визуальных контекстах и учим модель понимать видео не только по звуковому потоку, но и по кадрам. **Цель** — совместное обучение на vision+audio и video+audio диалогах длительностью 90+ минут. _Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_ Обязанности * Проводить эксперименты по обучению Vision / Audio / Video LLM: данные, стадии обучения, способы смешивания модальностей * Оптимизировать ML-инфраструктуру для обучения на длинных мультимодальных контекстах * Формулировать и проверять гипотезы о том, как улучшать качество LLM на видео. Требования * Сильный опыт в DL-инженерии, желательно в обучении LLM-моделей * Глубокое знание PyTorch, включая DDP / FSDP * Понимание distributed training и efficient deep learning: DP / TP / PP / EP / SP, mixed precision, checkpointing, offloading, профилирование и оптимизация обучения * Понимание архитектуры LLM: Transformer, attention (MHA / GQA / MLA), RoPE и другие позиционные эмбеддинги, long context, MoE * Уверенный Python на уровне production-кода: asyncio, multiprocessing, профилирование, отладка больших систем. **Будет плюсом:** * Опыт обучения мультимодальных LLM * Опыт снижения стоимости контекста при обработке видео * Опыт расширения контекста LLM * Понимание RL-подходов для обучения моделей: RLHF / RLVR, PPO / GRPO / DPO * Опыт построения бенчмарков с использованием LLM-as-a-judge. Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * возможность выбрать удобный формат работы: гибрид или офис * ежегодный пересмотр зарплаты, годовая премия * 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 * ипотека выгоднее до 7% для каждого сотрудника * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Voice Mode GigaChat уже работает в проде — в чате и в банковском колл-центре. Сейчас мы развиваем его в сторону полноценных агентских сценариев: не просто голосовая «болталка» с тулами, а умный ассистент, способный решать реальные задачи пользователя голосом. Весь стек — собственный: лучший на русском языке ASR, TTS и Audio LLM. _Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_ Обязанности * Возглавить проект Voice Mode: отвечать за архитектуру решения и e2e-качество системы. * Решать ключевой инженерный вызов проекта — собрать максимально умную систему с минимальным (или хорошо замаскированным) latency. * Синхронизировать работу нескольких команд: речевого ML, аудио- и текстовой модальности LLM, данных, инфраструктуры и продукта. * Руководить командой специализированных ML-инженеров: прототипирование, метрики, аналитика. * Определять техническую стратегию развития голосовых агентских сценариев. Требования * Сильное погружение в LLM: архитектуры, обучение, инференс, оценка качества. * Опыт разработки речевых систем (ASR / TTS / Audio LLM) и агентных систем. * Глубокий опыт разработки и поддержки ML-продуктов в продакшене. * Опыт технического лидерства: умение вести проект на стыке нескольких команд и доводить его до результата. Будет плюсом ------------ * Опыт оптимизации latency в real-time системах (стриминг, спекулятивные пайплайны, дуплексные диалоги). * Опыт работы с голосовыми ассистентами или контакт-центрами. * Публикации или открытые проекты в области speech / audio ML. Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * возможность выбрать удобный формат работы: гибрид или офис * ежегодный пересмотр зарплаты, годовая премия * 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 * ипотека выгоднее до 7% для каждого сотрудника * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Мы ищем сильного Deep Learning инженера для развития и вывода на принципиально новый уровень GigaAM — лучшей open-source модели для распознавания речи на русском языке. GigaAM — это не только исследовательский проект, но и core-модель, которая определяет качество работы многих ключевых продуктов экосистемы: GigaChat Audio, ASR, TTS, GigaChat Video и других. Сейчас мы стоим перед масштабным вызовом: кратное увеличение параметров модели, масштабирование данных на несколько порядков, расширение языкового покрытия и выход за рамки распознавания речи в сторону general audio understanding. Если вы хотите создавать state-of-the-art решения, которыми будут пользоваться миллионы, и вносить вклад в развитие мирового open-source — нам по пути! _Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_ Обязанности * Масштабирование данных: увеличение объемов данных для обучения на несколько порядков, построение эффективных пайплайнов их фильтрации и подготовки. * Развитие архитектуры и метода предобучения: улучшение мультиязычных свойств модели и расширение ее возможностей в сторону анализа аудио неречевой природы. * Scaling laws: масштабирование модели по количеству параметров в несколько раз. * Research & Engineering: стабилизация процессов предобучения, проведение ML-экспериментов, проверка гипотез и доведение результатов до прода и публикаций. Требования * Уверенное владение Python и PyTorch * Distributed Training: практический опыт распределенного обучения, понимание ограничений и принципов работы под капотом (DDP, FSDP, ZeRO). * Опыт оптимизации DL-пайплайнов: профилирование и оптимизация узких инфраструктурных мест в процессе обучения (I/O bottlenecks, memory management, GPU utilization). * Экспертиза в Speech/Audio: понимание современных подходов и state-of-the-art архитектур в Speech/Audio Self-Supervised Learning. Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * возможность выбрать удобный формат работы: гибрид или офис * ежегодный пересмотр зарплаты, годовая премия * 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 * ипотека выгоднее до 7% для каждого сотрудника * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Мы ищем Data Engineer, который будет отвечать за инфраструктуру, пайплайны и качество данных для обучения современных Vision-Language Models. Роль находится на стыке data engineering и ML: нужно будет работать с большими мультимодальными датасетами, понимать потребности исследователей и ML-инженеров, строить пайплайны очистки, фильтрации, категоризации и генерации данных, а также обеспечивать воспроизводимый экспорт данных в формат для обучения моделей. Обязанности * Собирать и структурировать потребности ML-команды в данных: какие данные нужны для обучения, дообучения, оценки и улучшения VLM. * Предлагать и реализовывать идеи пайплайнов очистки, фильтрации, дедупликации, категоризации и генерации данных. * Ориентироваться в современных практиках построения датасетов для Vision-Language Models: image-text pairs, synthetic data, filtering, quality scoring, data mixture design, dataset versioning. * Отвечать за инфраструктуру хранения и подготовки данных, включая: * 1. импорт данных из различных источников: production, Common Crawl, open-source datasets, generated data; 2. валидацию и контроль качества данных; 3. хранение и версионирование датасетов; 4. экспорт данных в форматы, пригодные для обучения моделей. * Проектировать и реализовывать пайплайны обработки данных на большом масштабе, включая десятки миллиардов изображений. * Разрабатывать пайплайны генерации синтетических данных для обучения и улучшения VLM. * Собирать статистику по данным, строить отчёты и визуализации для анализа состава, качества и покрытия датасетов. * Обеспечивать воспроизводимость, наблюдаемость и надёжность data-процессов. * Работать в тесной связке с ML-инженерами, исследователями и инфраструктурной командой. Требования * Сильный опыт в data engineering и построении production-grade data pipelines. * Уверенное владение Python, включая multiprocessing, multithreading и async-подходы. * Опыт работы с большими объёмами данных и распределённой обработкой. * Практический опыт с объектными хранилищами, в частности S3 или аналогами. * Опыт работы с YTsaurus или похожими системами для распределённого хранения и обработки данных. * Понимание принципов валидации, очистки, дедупликации и версионирования датасетов. * Опыт работы с DVC, Git, Docker. * Опыт работы с PostgreSQL или другими реляционными базами данных. * Умение проектировать устойчивые пайплайны: от импорта данных до финального экспорта в training-ready формат. * Способность самостоятельно разбираться в нечетко сформулированных задачах и доводить их до работающего решения. * Готовность работать на стыке engineering и ML research. Будет плюсом ------------ * Опыт работы с мультимодальными данными: изображения, текст, image-text pairs, captions, OCR, metadata. * Понимание того, как устроены современные датасеты для обучения VLM / LMM / multimodal models. * Опыт построения пайплайнов для synthetic data generation. * Опыт реализации quality scoring, filtering, semantic deduplication, clustering или data attribution. * Опыт визуализации статистики по большим датасетам и построения внутренних аналитических дашбордов. * Опыт работы с Common Crawl, LAION-подобными датасетами, open-source vision-language datasets. * Базовое понимание ML training pipeline и того, как качество данных влияет на качество модели. Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * возможность выбрать удобный формат работы: гибрид или офис * ежегодный пересмотр зарплаты, годовая премия * 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 * ипотека выгоднее до 7% для каждого сотрудника * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Привет! Это GigaChat Vision — команда, которая делает полный цикл обучения VLM-моделей. Ищем сильного senior-инженера в RL-направление: человека, который будет драйвить ключевые исследования и разработки, влиять на качество моделей и доводить сложные идеи до работающих решений. _Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_ Обязанности * Разрабатывать и улучшать RL-подходы для обучения VLM/LLM-моделей: выбор алгоритмов, постановка экспериментов и анализ результатов; * Проектировать reward-функции и пайплайны обучения, выстраивать стратегии масштабирования под разные домены и сценарии, напрямую влияя на метрики качества; * Определять требования к данным для RL: участвовать в построении пайплайнов сбора, фильтрации и подготовки датасетов; * Развивать систему оценки reasoning-качества: внедрять и улучшать метрики в существующем eval-фреймворке, предлагать новые способы измерения качества под новые возможности модели; * Работать на стыке с Pretrain / SFT / Infra: обеспечивать согласованность решений и перенос экспериментов в продакшн-пайплайн; * Следить за состоянием области и переводить свежие идеи из статей в проверяемые эксперименты и инженерные решения; * Глубоко погружаться в технические задачи: дебажить эксперименты, разбирать аномалии в обучении, находить узкие места и доводить решения до результата; * Делиться экспертизой с командой: участвовать в код-ревью, помогать улучшать качество решений и подходы к экспериментам; * Развивать инфраструктуру для RL. Требования * Глубокое понимание RL для LLM/VLM (RLHF, GRPO, PPO) и практический опыт; * Понимание полного цикла обучения VLM/LLM (pretrain → SFT → RL) и того, как решения на каждом этапе влияют на финальные метрики; * Опыт с распределённым обучением (DeepSpeed, FSDP) и inference-фреймворками. * Сильный практический опыт постановки, проведения и анализа RL-экспериментов; * Умение работать в условиях неопределённости и самостоятельно двигать сложные технические задачи; * Умение выстраивать процессы в условиях неопределённости; * Опыт взаимодействия со смежными командами и стейкхолдерами; * Системное мышление: способность видеть картину целиком — от данных и reward-дизайна до eval и продакшн-метрик. **Будет плюсом:** * Опыт менторинга или технического лидерства в рамках отдельных проектов; * Публикации или open-source вклад в области RL/LLM/VLM; * Опыт вывода RL-обученных моделей в продакшн и поддержки их качества. Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * возможность выбрать удобный формат работы: гибрид или офис * ежегодный пересмотр зарплаты, годовая премия * 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 * ипотека выгоднее до 7% для каждого сотрудника * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Привет! Это GigaChat Vision — команда, которая делает полный цикл обучения VLM моделей, включающий в себя стадии pre-training, SFT и DPO/RL. Мы ищем сильных инженеров и исследователей, которые будут двигать вперед качество мультимодального GigaChat. _Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_ Обязанности * Самостоятельная работа в рамках заданного направления развития качества VLM: от планирования, до выкатки в прод; * Планирование и работа над исследовательскими задачами по архитектуре модели, стратегии и данным обучения; * Формирование гипотез по улучшению качества модели, самостоятельное планирование экспериментов по их подтверждению и постановка multi-node обучений на большом количестве GPU (тысячи A100/H100); * Решение сложных инженерных задач, развитие и оптимизация кодовой базы обучения и эвала VLM, написание чистого кода и проведение code review; * Анализ точек роста и определение способов их закрытия. Требования * Сильный технический бэкграунд в modern ML: понимание того, как данные, архитектура и стратегии обучения влияют на итоговое качество модели; * Опыт полного цикла обучения VLM или LLM; * Глубокие знания или опыт работы в области computer vision; * Понимание принципов работы распределенного обучения (FSDP) или опыт обучения моделей на больших GPU кластерах; * Наличие навыков технического лидерства: проведение code-review, помощь и менторинг младших сотрудников; * Умение работать, принимать решения и выстраивать процессы в условиях неопределенности; * Умение и желание взаимодействовать с коллегами, вносить собственные идеи и предлагать пути достижения общих целей. **Будет плюсом:** * Опыт полного цикла обучения VLM; * Наличие публикаций в области NLP или CV; * Опыт решения задач по оптимизации обучения; * Опыт участия в соревнованиях по машинному обучению или программированию. Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * возможность выбрать удобный формат работы: гибрид или офис * ежегодный пересмотр зарплаты, годовая премия * 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 * ипотека выгоднее до 7% для каждого сотрудника * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Мы — команда синтеза речи в GigaPlatform. Создаём и развиваем технологии синтеза речи. Решаем полный цикл задач синтеза, включающий и собственно синтез, в том числе на LLM, и NLP-задачи, и многое другое.Недавно мы выпустили мощное обновление нашего синтеза, которое на голову выше того, что было раньше, особенно по естественности и "человечности" ([https://habr.com/ru/companies/sberbank/articles/966640/](https://habr.com/ru/companies/sberbank/articles/966640/)). На достигнутом останавливаться не планируем, и уже готовим ещё более качественную модель синтеза.Сейчас мы расширяем команду отдела production-внедрения. Обязанности • вести спецпроекты, связывать заказчиков с аккаунтингом или мльщиками • быть в курсе наших релизов и фичей, давать статусы по багам и всему такому • проводить исследования (опросы продактов, анализ конкурентов) • помогать деливерить наши фичи клиентам • дизайн продуктовых метрик. Требования • опыт с аналогичными задачами в области AI/ML/LLM/Generative models • общие представления как работают LLM, \[желательно\] современные речевые технологии • jira, powerpoint, confluence • \[желательно\] умение вайбкодить, работа c api • \[желательно\] проведение ui/ux исследований Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * возможность выбрать удобный формат работы: гибрид или офис * ежегодный пересмотр зарплаты, годовая премия * 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 * ипотека выгоднее до 7% для каждого сотрудника * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Что нужно будет делать Управлять направлением Ozon и отвечать за результат. Анализировать продажи, рекламу, карточки, остатки, акции и маржинальность.

Компания ищет специалиста с 3+ годами опыта в развитии веб-продуктов или продукт-маркетинге, который будет развивать сайт, анализировать поведение пользователей, проводить конкурентный анализ и координировать команды SEO и реализации.

Мы развиваем международную продуктовую платформу в сфере CS2 и ищем руководителя клиентского сервиса, который возьмёт на себя управление командой поддержки и построит масштабируемую систему работы с пользователями. Сейчас клиентский сервис — одна из ключевых точек роста продукта. Нам нужен не администратор текущих процессов, а сильный операционный руководитель, способный выстроить функцию практически с нуля: внедрить SLA, стандарты качества, аналитику, автоматизацию, обучение команды и понятную систему взаимодействия с другими подразделениями. Главная цель роли: Превратить службу поддержки из реактивной команды, обрабатывающей обращения, в системную функцию клиентского сервиса, которая: — быстро и качественно решает проблемы пользователей; — повышает доверие к платформе; — снижает отток клиентов; — помогает возвращать пользователей в продукт; — выявляет системные проблемы и передаёт их продуктовой команде; — автоматизирует большую часть типовых обращений; — работает на основании прозрачных метрик и SLA. Основные задачи: — Управлять командой клиентского сервиса численностью около 11 человек. — Провести аудит процессов, нагрузки, структуры обращений и эффективности сотрудников. — Разработать и внедрить SLA по типам и приоритетам обращений. — Выстроить многоуровневую модель поддержки: база знаний и автоматизация → L1 → L2 → профильный отдел. — Определить правила эскалации сложных, финансовых и конфликтных кейсов. — Создать регламенты, инструкции, шаблоны ответов и единую базу знаний. — Сформировать Tone of Voice и стандарты коммуникации с пользователями. — Внедрить систему контроля качества диалогов и регулярного QA. — Настроить обучение, аттестацию и развитие сотрудников. — Создать прозрачную систему метрик и отчётности по работе поддержки. — Внедрять AI-инструменты, чат-ботов и сценарии самообслуживания. — Автоматизировать типовые обращения по платежам, промокодам, трейдам, статусам предметов и другим повторяющимся вопросам. — Выстроить систему Voice of Customer: собирать причины обращений, жалобы и предложения пользователей, превращая их в задачи для продукта. — Обеспечить взаимодействие поддержки с Product, Development, Payments, CRM, Marketing и другими подразделениями. — Управлять инцидентами и массовыми обращениями пользователей. — Планировать необходимую численность команды, смены и нагрузку. — Сформировать систему мотивации сотрудников, связанную не только со скоростью, но и с качеством решения проблем. Цели на первые 30 дней: — Провести полный аудит клиентского сервиса. — Зафиксировать текущие показатели и определить базовую точку по SLA, FRT, FCR, CSAT, QA, повторным обращениям и нагрузке. — Классифицировать основные причины обращений пользователей. — Выявить критические разрывы в клиентском пути. — Описать зоны ответственности и правила эскалации. — Подготовить план трансформации клиентского сервиса на 90–180 дней. Цели на первые 60 дней: — Внедрить базовые SLA и приоритеты обращений. — Запустить регламенты обработки ключевых типов запросов. — Сформировать и внедрить Tone of Voice. — Запустить базу знаний и единые шаблоны ответов. — Внедрить QA-карту и регулярную оценку качества диалогов. — Настроить управленческий дашборд по ключевым метрикам. — Организовать регулярное обучение и обратную связь для команды. — Запустить понятный процесс взаимодействия поддержки с другими отделами. Цели на первые 90 дней: — Обеспечить выполнение SLA не менее чем по 85% обращений. — Довести FCR — долю вопросов, решённых за одно обращение, — минимум до 70%. — Снизить долю повторно открытых обращений до 10% и ниже. — Довести внутреннюю оценку качества диалогов до 85–90%. — Запустить автоматизацию наиболее частых типов обращений. — Сформировать регулярный Voice of Customer-отчёт для руководства и продуктовой команды. — Снизить количество зависших и незакрытых обращений. — Создать прозрачную систему оценки эффективности каждого сотрудника. Цели на 6–12 месяцев: — Целевые значения должны быть подтверждены после фиксации текущей базы, но ожидаемые ориентиры следующие: выполнение SLA — 90% и выше; — CSAT — 85% и выше; — FCR — 70–80%; — QA Score — 90% и выше; — доля повторных обращений — не более 10%; — автоматизация 50–70% типовых обращений; — снижение ручной нагрузки на команду на 40–60%; — снижение стоимости обработки одного обращения минимум на 30%; — сокращение критических жалоб и эскалаций; — измеримое снижение оттока пользователей после обращений в поддержку; — формирование стабильного потока продуктовых улучшений на основании обращений клиентов. Ключевые показатели роли: — First Response Time. — Average Resolution Time. — SLA Compliance. — First Contact Resolution. — CSAT. — QA Score. — Reopen Rate. — Backlog и количество незакрытых обращений. — Количество обращений на одного активного пользователя. — Доля автоматизированных обращений. — Cost per Contact. — Retention пользователей после обращения. — Количество выявленных и устранённых системных причин обращений. Наши ожидания от кандидата: — Опыт управления клиентским сервисом или поддержкой от трёх лет. — Опыт управления командой от 10 человек. — Практический опыт построения или серьёзной перестройки службы поддержки. — Понимание SLA, FCR, CSAT, QA, WFM и других операционных метрик. — Опыт создания регламентов, базы знаний и системы контроля качества. — Умение работать с аналитикой, находить причины проблем и принимать решения на основании данных. — Опыт внедрения автоматизации, чат-ботов или AI-инструментов. — Умение работать со сложными, конфликтными и финансовыми обращениями. — Сильные навыки управления командой: найм, адаптация, обучение, мотивация и performance management. — Способность взаимодействовать с продуктом и разработкой и добиваться устранения первопричин обращений. — Умение одновременно повышать качество сервиса и контролировать его экономическую эффективность. Будет преимуществом опыт в gaming, iGaming, fintech, crypto, marketplace, e-commerce или другом высоконагруженном B2C-продукте. Какого человека мы ищем: Нам нужен системный и самостоятельный руководитель, который умеет не только управлять людьми, но и строить процессы. Человек, способный погрузиться в реальные обращения пользователей, найти корневые проблемы, сформировать целевую модель и довести изменения до измеримого результата. У руководителя будет необходимый уровень полномочий для изменения процессов, внедрения инструментов и взаимодействия с другими подразделениями.

Нам нужен сильнейший маркетолог, который выстроит продвижение наших продуктов через контент и будет повышать конверсии на пути клиентов.

Компания — быстрорастущая e-com с собственным брендом, работающая в товарных категориях с фокусом на сезонные товары, с годовым оборотом около 1 млрд ₽ и ежегодным ростом в 2-3 раза. В компании сформированы основные функциональные блоки: отделы продаж, логистика, арт-направление, аналитика и другие смежные функции. Собственник глубоко вовлечён в операционную деятельность, поэтому требуется операционный директор, который возьмёт на себя управление операционной системой бизнеса, пересоберёт слабые процессы, усилит структуру команд и выстроит работу компании так, чтобы собственник мог сосредоточиться на развитии бизнеса. Задачи: — Планирование продаж, прибыли и ключевых финансовых показателей, управление P&L; — Пересборка и систематизация текущих процессов; — Перестройка отделов продаж в более функциональные; — Управление отделами продаж, логистики и арт-направлением, выстраивание эффективного взаимодействия между отделами; — Внедрение KPI, регулярного менеджмента и понятной отчётности; — Участие в управлении ассортиментной матрицей и ценообразованием; — Работа с сезонностью и операционными рисками; — Решение кризисных ситуаций без постоянного подключения собственника; — Снижение зависимости бизнеса от ручного управления. Требования: — От 3 лет опыта на позиции операционного/коммерческого директора или сопоставимой роли в успешных товарных компаниях с оборотом от 2–3 млрд ₽ в год; — Подтверждённые кейсы роста, пересборки процессов и достижения финансовых результатов; — Опыт работы с сезонным товаром; — Умение строить эффективные структуры без избыточного ФОТ и зависимости от одного «суперзвёздного» специалиста; — Системность, самостоятельность и способность принимать решения без постоянного контроля собственника; — Будет плюсом опыт самостоятельной работы на маркетплейсах в роли РОПа/категорийного менеджера и опыт работы с FBS. Условия: — Формат работы — удалённый, полная занятость, график 5/2; — Время на связи: 10:00–20:00 по Москве, с возможностью оперативного включения в критических ситуациях; — Возможность оформления по ТК или сотрудничество с ИП/самозанятым; — Доход: на период стажировки — 200 000 ₽ фикс, после стажировки — 150 000 ₽ фикс + KPI, совокупный доход от 300 000 ₽, для кандидатов с сильным опытом возможны индивидуальные условия. Процесс отбора: 1. Первичные вопросы по опыту и результатам; 2. Интервью с рекрутером; 3. Интервью с собственником с обсуждением практических кейсов; 4. Проверка рекомендаций; 5. Выход на стажировку.

✏️ Снимать короткие вертикальные видео (Reels / Shorts / TikTok). ✏️ Писать сценарии и хуки под ролики самостоятельно или на основе брифа продакшн-менеджера.