Просмотр вакансии

Ищем Middle AI Engineer для создания нативных омнимодальных архитектур — новых способов кодирования и совместного обучения в доменах изображений, аудио, видео и т.д.

Обязанности

• разработка принципиально новых мультимодальных представлений и кодирования информации (vision, audio, video, text)
• создание универсальных энкодеров и shared latent spaces
• Vision-Language-Action (VLA) архитектуры и стрим взаимодействия с роботами
• исследование end-to-end омнимодальных моделей и обучение на масштабных мультимодальных датасетах.

Требования

• отличный Python 3, опыт с PyTorch, bash, git, Docker, dvc
• глубокое понимание representation learning и multimodal learning
• опыт с vision, audio и video моделями
• понимание трансформеров, contrastive learning, joint embeddings
• умение быстро разбирать и воспроизводить идеи из научных статей.

Будет плюсом

• опыт с VLA / Embodied AI / Robotics
• знание self-supervised и multimodal pretraining подходов
• опыт работы с streaming video/audio
• публикации, open-source вклад или исследовательский опыт.

Условия

• комфортный современный офис рядом с м. Кутузовская
• гибрид (Москва, СПБ)
• годовая премия
• корпоративный спортзал и зоны отдыха
• расширенный ДМС + страхование для семьи
• ипотека для сотрудников выгоднее (-1/3 от текущей процентной ставки)
• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров
• вознаграждение за рекомендацию друзей в команду Сбера