Senior Deep Learning Engineer (Speech LLM)

Навыки

• ASR / TTS
• Анализ данных
• EdTech
• Дообучение моделей
• LLM
• Machine Learning
• Python

О компании и продукте

• Мы ищем сильного Deep Learning инженера в команду, создающую ASR-системы нового поколения на пересечении технологий распознавания речи и audio-native LLM.
• Один из наших главных вызовов сейчас — разработка Next Gen LLM-based ASR. Это инструктивная система, которая выходит далеко за рамки обычного speech-to-text: она будет поддерживать выдачу временных меток, диаризацию спикеров, тегирование звуковых событий и key word prompting. База для быстрого старта уже готова: у нас есть мощный Foundation Encoder (GigaAM) и сильная диалоговая модель (GigaChat Audio).
• Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!

Задачи

• LLM-based & Next Gen ASR: обучение больших Audio-conditioned LLM
• Расширение возможностей ASR за пределы простого транскрибирования: добавление инструктивности, временных меток, диаризации, тегов событий и key word prompting
• SFT & Online RL: проведение масштабных ML-экспериментов с Supervised Fine-Tuning и методами Online Reinforcement Learning для выравнивания модели и улучшения качества распознавания
• Ecosystem Impact & Multimodal: использование обученной LLM-based ASR для автоматической разметки и создания высококачественных датасетов
• Эти данные пойдут на улучшение текущих ASR и TTS моделей, а также станут базой для multimodal audio-native pre-training
• Knowledge Distillation: дистилляция знаний из тяжелых LLM в быстрые и легкие модели (ASR, text normalization) для некоторых production сценариев
• Research & Engineering: анализ актуальных научных статей, быстрая проверка гипотез на практике и доведение успешных экспериментов до прода

Требования

• Уверенное владение Python и PyTorch: написание чистого модульного кода, ООП, типизация, тесты
• Distributed Training: уверенный практический опыт распределенного обучения больших моделей, понимание принципов работы под капотом (DDP, FSDP, Tensor Parallelism, Context Parallelism)
• LLM Training: понимание современных пайплайнов обучения LLM (Pre-training, SFT, DPO, online RL) и архитектур (DeepSeek3.2, Qwen3.5)
• Research mindset: умение читать статьи, быстро перекладывать исследовательские идеи в работающий код и грамотно ставить эксперименты
• Опыт работы с аудио и/или мультимодальными LLM будут большим плюсом

Условия

• крупнейшее DS&AI community — более 600 DS-специалистов банка
• дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира
• возможность быть соавтором НИРов и статей для международных конференций
• возможность выбрать удобный формат работы: гибрид или офис
• ежегодный пересмотр зарплаты, годовая премия
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• ипотека выгоднее до 7% для каждого сотрудника
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера

Паспорт вакансии

История публикации

Откуда что взялось

Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.

Почему на этом месте в выдаче

Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.