В Центре робототехники Сбера мы обучаем модели, которые должны управлять роботами в сложных реальных условиях. Для этого мало просто собрать большое количество данных: нужно понимать, какие записи полезны, где в них ошибки и каких примеров модели не хватает. Сейчас нам нужен Data Analyst / Data Engineer в Data Conveyor Team, который будет находить проблемы в данных, оценивать их качество и проверять через обучение моделей, как состав датасета влияет на результат.
Это роль на стыке анализа данных, инженерии данных и практических ML-экспериментов: нужно не только строить проверки качества, но и запускать обучение или дообучение моделей на разных версиях данных, сравнивать метрики и превращать выводы в конкретные решения по сбору, разметке, фильтрации и выборке.
Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!
Обязанности
- 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 тех пор, пока не доказана связь 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 действительно помогают модели, а какие можно исключить или отправить на доработку
- анализировать ошибки модели и переводить их в конкретные запросы на данные: что дособирать, что переразметить, что удалить, что добавить в выборку
- готовить теги задач, объектов, окружений и ошибок, эталонные наборы примеров, правила контроля качества разметки и критерии приемки
- исследовать, как изменения камер, конфигурации робота, калибровки или других сенсоров влияют на качество данных и результат модели
- готовить краткие технические отчеты: гипотеза, данные, метрики, ограничения, выводы, рекомендуемые изменения для релиза датасета или плана сбора данных.
Требования
- 3+ года опыта в data analysis, data engineering, ML engineering, applied ML или близкой области
- уверенный Python: pandas/polars, numpy, visualization, notebooks, batch data processing
- SQL и опыт работы с большими датасетами, manifests, metadata, dashboards или analytics pipelines
- понимание экспериментального дизайна: ablations, контрольные группы, statistical reliability, интерпретация метрик
- базовое понимание ML training / eval loop и связи состава данных с метриками модели
- умение анализировать мультимодальные данные: видео, временные ряды, actions, task metadata, labels
- способность переводить наблюдения из данных и ошибок модели в actionable recommendations
- хорошая письменная коммуникация для отчетов, журналов решений и постановки задач смежным командам.
Будет плюсом:
- опыт с robot learning, VLA, imitation learning, RL, CV/VLM datasets или embodied AI
- опыт с W&B, MLflow, Hydra, experiment tracking, dataset lineage
- опыт с annotation QA, active learning, data curation, anomaly detection или quality scoring
- понимание domain shift, camera shift, embodiment gap, task transfer и data-centric AI
- навыки работы с генеративными AI-моделями
- опыт создания AI-агентов и использования их в работе будет преимуществом
- опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов
- инструментальное владение AI для анализа, генерации и автоматизации.
Условия
- офисный формат работы, адрес офиса 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 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.
