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 (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