Middle+ AI Engineer (Native Omnimodality & VLA)

Описание

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 или удаленка * 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.