Лидер мультимодальных данных (GigaChat Prod Data)

Мы строим Omni-модель нового поколения — модель, которая понимает и генерирует текст, аудио, изображения и речь (TTS) как единое целое.

Качество такой модели определяется прежде всего данными. Мы ищем руководителя, который возглавит команду данных и построит систему, на которой будут обучаться, оцениваться и улучшаться наши мультимодальные модели.

Это роль с большим влиянием на результат. Вы будете определять, какие данные попадают в обучение, как они собираются, как размечаются и какими метриками измеряется их качество. От решений вашей команды будет напрямую зависеть скорость роста модели и запуск новых возможностей

Обязанности

• Построить и развить команду данных
• Сформировать команду, которая отвечает за данные для всех модальностей: текст, аудио, изображения, TTS
• Нанять и развить ключевых специалистов, определить роли и зоны ответственности
• Выстроить процессы взаимодействия с командами research, model training, product и evaluation
• Задать высокую планку по качеству и скорости работы, создать культуру ownership и ответственности за результат
• Определить стратегию данных для foundation model
• Понимать, какие данные нужны модели сейчас и какие станут критичными на следующем этапе
• Формировать data strategy для разных контуров обучения: pretraining, post-training, SFT, preference learning, RL, GRPO, online-RL.
• Расставлять приоритеты по модальностям, доменам, языкам и типам обучающих сигналов
• Принимать решения о балансе между качеством, масштабом, стоимостью и скоростью поставки данных
• Выстроить пайплайны сбора данных
• Проектировать и масштабировать пайплайны для текста, аудио, изображений, мультимодальных взаимодействий и TTS-сценариев.
• Организовать ingestion, фильтрацию, дедупликацию, нормализацию и обогащение данных
• Выстроить работу с внутренними, внешними, синтетическими и партнёрскими источниками
• Создать устойчивую инфраструктуру для регулярного обновления датасетов под новые задачи и сценарии
• Организовать разметку и контроль качества
• Строить систему разметки для задач quality, preference data, safety, instruction following, TTS quality, vision understanding
• Проектировать annotation workflows, guidelines, audit-процессы и gold sets.
• Развивать процессы сбора human feedback — как для офлайн-улучшения модели, так и для online-обучения

Требования

• Опыт руководства командой в области Data, ML или AI от 3 лет
• Опыт построения и масштабирования data pipelines для обучения и оценки ML-моделей
• Глубокое понимание жизненного цикла данных: сбор, очистка, фильтрация, разметка, валидация, benchmark creation, iterative improvement
• Практический опыт работы с данными в нескольких из направлений: LLM, audio/speech, TTS, vision, multimodal models
• Понимание того, как данные влияют на качество моделей в контурах SFT, preference learning, RL, GRPO, online-RL
• Опыт организации annotation operations и построения процессов human feedback
• Умение строить измеримую систему качества и принимать решения на основе данных, а не интуиции
• Способность мыслить системно, работать в условиях неопределённости и быстро двигаться от стратегии к исполнению
• Сильные коммуникационные навыки и умение работать с senior stakeholders из research, engineering и product

Условия

• Возможность с нуля выстроить data-функцию для одного из самых стратегически важных AI-направлений
• Большое влияние на качество обучения и развитие Omni-модели на уровне системы, а не отдельного компонента
• Работу сразу с text, audio, vision и TTS — редкий масштаб задач
• Сильные внутренние заказчики из команд research, model training и product
• Возможность собрать свою команду и определить принципы её работы.
• Конкурентная компенсация, бонусы и расширенный соцпакет