Сбер·Москва·5 дн назад
Senior ML Engineer (Kandinsky)
Ориентир по рынку≈ 325 000 – 375 000 ₽наша приблизительная оценка по 13 вакансиям этой роли и грейда, у работодателя вилка не указана
🏢 ОфисMiddleПолная занятостьКорпорация
Стоит ли откликаться
Стоит откликнуться, но спросите про деньги
Вилку работодатель не назвал, но ориентир по рынку есть: он в строке «Деньги». Вакансия к тому же свежая, откликаться лучше сейчас.
3 из 4 в норме
Вилку не назвали: какую сумму назвать вам и ниже какой не соглашаться
Деньги
Сумму в объявлении не указали. Ориентир на созвон: столько платят в 13 похожих вакансиях Data Scientist уровня Middle.
- Кроме оклада: премия и пересмотр зарплаты. Размер не назван, а от него зависит доход за год.
Живость
Опубликована 5 дней назад. Свежие вакансии почти всегда живые.
- Появилась у нас 14 октября 2026 г., 5 дней назад
- Эту вакансию уже публиковали 1 раз, первая публикация была 2 сентября 2026 г.
- Текст сверяли с источником, с публикации он не менялся
- У источника её видели сегодня
Считается по истории наблюдений за вакансией: сколько раз её переоткрывали, меняли ли текст, как долго висит. Выдачу источника сверяем при каждом обходе: пропажу, возврат и правки текста. Это оценка по косвенным признакам, а не факт. Окончательный вывод за вами.
Описание
Обязанности: 4, требования: 5. Понятно, что за работа, ещё до отклика.
- Обещают
- ДМС и компенсация спорта
Что требуют
ОбязательноMLPythonPyTorch
ПлюсомLLM
Надбавка к зарплате на этом уровне: Python +40%.
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
Разрабатывать и обучать генеративные модели для изображений и видео, адаптировать архитектуры и латентные представления под новые задачи
Исследовать подходы к управляемой и авторегрессионной генерации, проверять гипотезы из статей и улучшать качество моделей
Дистиллировать модели, оптимизировать скорость инференса и потребление памяти
Строить масштабируемые пайплайны с VLM и CV-моделями для автоматической разметки, фильтрации и параллельной обработки данных
Наши требования
Опыт обучения генеративных или CV-моделей и работы с большими датасетами. Умение выбирать подходы под задачу и оценивать результаты экспериментов
Хорошую математическую базу: линейная алгебра, теория вероятностей, статистика и методы оптимизации
Практический опыт работы с AI-агентами для ускорения разработки и исследований, умение проверять их код и результаты
Английский для чтения статей и документации; умение воспроизводить исследовательские подходы и применять их на практике
Будут плюсом научные публикации, выступления на международных конференциях по ML и компьютерному зрению, вклад в open source
Мы предлагаем
Комфортный современный офис рядом с м. Кутузовская
Ежегодный пересмотр зарплаты, годовая премия
Корпоративный спортзал и зоны отдыха
Система обучения для профессионального и карьерного развития
Расширенный полис ДМС с первого дня работы и страхование для семьи
Льготная программа ипотеки для сотрудников
Бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
Вознаграждение за рекомендацию друзей в команду Сбера
Дополнительно
Мы разрабатываем технологии генерации и обработки визуального контента. Ищем Senior ML Engineer, который вместе с командой будет исследовать новые подходы, разрабатывать и обучать генеративные модели, строить комплексные ML-пайплайны и внедрять их в продукты
Технологический стек
Основной стек: Python, PyTorch, распределённое обучение (FSDP, DeepSpeed)
Модели и методы: диффузионные модели, трансформеры (DiT), VAE; механизмы attention, включая sparse и causal attention; авторегрессионная генерация и методы её обучения; дистилляция моделей; выравнивание моделей по человеческим предпочтениям с помощью RL-методов
Будет преимуществом: опыт оптимизации с Triton, torch.compile и квантизацией; backend-разработки, работы с API, асинхронной обработкой, реляционными и векторными БД, интеграции LLM/VLM
Мы против мошенников на площадке: если тебя просят заплатить, продиктовать код или установить непонятное приложение, прекращай общение и сразу пиши нам (чат с основателем или форма обратной связи).