Качественные данные — основа машинного обучения. От того, насколько датасет полон, точен, репрезентативен и актуален, напрямую зависит качество модели в продукте.

Мы создаём датасеты, которые помогают 2ГИС находить дорожные знаки, выделять здания на спутниковых снимках, отличать фотографии меню от интерьеров и оценивать привлекательность контента. Работаем с задачами Computer Vision, NLP и AI.

Ищем менеджера по качеству данных, который будет отвечать за создание, развитие и валидацию датасетов для ML-моделей. Ты будешь проектировать процессы сбора и разметки данных, выстраивать контроль качества, автоматизировать повторяемые этапы и вместе с ML-командами улучшать данные на основе результатов моделей.

Чем предстоит заниматься

- проектировать, запускать и поддерживать процессы сбора, обработки, разметки и валидации данных;

- формулировать требования к датасетам совместно с командами Computer Vision, NLP и AI;

- определять критерии качества данных, организовывать проверки разметки и анализировать ошибки;

- оценивать скорость, стоимость и качество разметки; находить узкие места и улучшать процесс;

- проводить эксперименты с подходами к разметке, автоматизации и контролю качества, анализировать результаты и принимать решения на их основе;

- использовать LLM и другие инструменты автоматизации для ускорения подготовки и проверки данных;

- работать с асессорами и заказчиками: объяснять требования, собирать обратную связь, устранять проблемы в процессе;

- развивать типовые пайплайны и масштабировать успешные решения на новые задачи;

- поддерживать датасеты после запуска: расширять их при дрейфе данных, появлении новых сценариев и изменении требований к качеству модели;

- писать понятные инструкции для асессоров, правила разметки и промпты для LLM.

Мы ожидаем, что ты

- работал (а) с краудсорсинговыми проектами, разметкой данных или контролем качества разметки;

- умеешь декомпозировать неопределённую задачу на измеримый процесс: определить входные данные, правила, критерии приёмки и метрики качества;

- умеешь оценивать и сопоставлять качество, скорость и стоимость разных подходов к разметке;

- владеешь Python на уровне, достаточном для анализа данных, подготовки выборок и написания скриптов для автоматизации;

- умеешь формулировать и тестировать промпты для LLM, оценивать качество результатов и учитывать ограничения такого подхода;

- можешь вести несколько задач одновременно, расставлять приоритеты и прозрачно управлять ожиданиями;

- умеешь вовлекать нужных участников в решение задачи и объяснять сложные вещи понятным языком.

Будет плюсом, если ты

- знаком (а) с основными принципами машинного обучения и жизненным циклом ML-моделей;

- работал (а) с датасетами для задач Computer Vision, NLP или генеративного AI;

- знаешь HTML, CSS и JavaScript — это поможет при работе с интерфейсами и инструментами разметки;

- имеешь опыт разработки или доработки внутренних инструментов для разметки, валидации либо контроля качества данных;

- работал (а) с метриками качества разметки, inter-annotator agreement, аудитами ошибок или активным обучением.

Что важно знать

Мы не ждём совпадения со всеми пунктами. Если тебе близки задачи на стыке данных, процессов, качества и машинного обучения — откликайся. Для нас важны системное мышление, ответственность за результат и готовность разбираться в новых типах ML-задач.