ML Engineer (Центр робототехники)

Сбер·Москва·21 авг.

ML Engineer (Центр робототехники)

Ориентир по рынку≈ 325 000 – 375 000 ₽наша приблизительная оценка по 13 вакансиям этой роли и грейда, у работодателя вилка не указана

🏢 ОфисMiddleПолная занятостьКорпорация

≈ 325 000 – 375 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Объявление живое, и что за работа, понятно из текста.

3 из 4 в норме

Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться

Деньги

Зарплату в объявлении не раскрыли. Ориентир на созвон: столько платят в 13 похожих вакансиях Data Scientist уровня Middle.

платят меньше325 000 – 375 000 ₽ у половины таких вакансийплатят больше

Кроме оклада: премия и пересмотр зарплаты. Размер не назван, а от него зависит доход за год.

Вилки нет

Живость

Открыта 59 дней, и признаков фиктивного найма у неё нет.

Живая

Описание

Обязанности: 9, требования: 16. Понятно, что за работа, ещё до отклика.

Обещают: ДМС и компенсация спорта

Подробно

Что требуют

ОбязательноMLPythonPandasNumPySQL

Надбавка к зарплате на этом уровне: Python +40%, SQL +20%.

Ясно

Полный разбор в Pro

Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме

Сколько просить

Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга

Ваше резюме против требований

Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика

Спросить у работодателя

Что стоит спросить: вопросы именно к этой вакансии для первого созвона

Когда откликаться

Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии

30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro

Чем предстоит заниматься

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

Наши 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

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

Мы предлагаем

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

Дополнительно

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!