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
Похожие вакансии