Senior Data Scientist (GigaChat)

Что предстоит делать

• Очищать данные: обрабатывать сырые данные из интернета, выкидывать рекламные блоки, непонятные блоки, использовать существующие или обучать новые языковые модели для решения подобных задач.
• Убирать дубликаты: оптимизировать объем данных для экономии ресурсов на обучение, удалять дубли и схожий контент, использовать существующие модели или обучать новые, решать проблемы семантической дедубликации длинных текстов.
• Определять качество данных: оценивать огромные корпуса текста по различным критериям (более 10 в проработке) с помощью LLM, а так же более легких дискриминативных моделей, которые надо будет так же обучить на более чем 90 различных языках. Так же касается новых картиночных датасетов на миллиарды картинок.
• Генерировать новые данные: прочитать статью Textbooks is all you need и сгенерировать новые данные, которые будут лучше человеческих.

Ожидания

• Профильное образование: МГУ, ВШЭ, МФТИ, ШАД.
• Хороший релевантный опыт в NLP-сфере от 3-х лет.

Условия

• Масштабные, сложные и разнообразные задачи.
• Сильная команда профессионалов, которые всегда помогут.
• Текущий объем сырых данных сотни терабайт текста и кода, петабайты картинок.
• Фидбек и возможность увидеть результаты своей работы в продукте.
• Расширенная программа ДМС (возможность подключения родственников), страхование жизни.
• Специальные условия по кредитам/ипотеке, скидки от компаний-партнёров.
• Знаменитый офис на Кутузовском проспекте с парковкой, спортзалом, массажными креслами и возможностью выбора формата работы (офис или гибрид).
• Атмосфера стартапа и надёжность гиганта.