Middle AI Engineer (Multimodal)

TL;DR

Middle AI Engineer (Multimodal): Разработка нативных омнимодальных архитектур для кодирования и совместного обучения в доменах изображений, аудио, видео и текста с акцентом на универсальные энкодеры и shared latent spaces. Фокус на создании Vision-Language-Action (VLA) архитектур, исследовании end-to-end моделей и обучении на масштабных мультимодальных датасетах.

Локация: Гибрид (Москва, Санкт-Петербург)

Компания

Крупнейшая технологическая экосистема в России.

Что делать

• Разрабатывать новые мультимодальные представления и способы кодирования информации (vision, audio, video, text).
• Создавать универсальные энкодеры и shared latent spaces.
• Проектировать Vision-Language-Action (VLA) архитектуры для стрима взаимодействия с роботами.
• Исследовать end-to-end омнимодальные модели и проводить их обучение на масштабных мультимодальных датасетах.

Требования

• Отличное владение Python 3, опыт работы с PyTorch, bash, git, Docker, dvc.
• Глубокое понимание representation learning и multimodal learning.
• Опыт работы с моделями в доменах vision, audio и video.
• Понимание принципов работы трансформеров, contrastive learning и joint embeddings.
• Умение быстро анализировать и воспроизводить идеи из актуальных научных статей.

Хорошо, если есть

• Опыт работы с VLA, Embodied AI или Robotics.
• Знание подходов self-supervised и multimodal pretraining.
• Опыт работы с потоковым видео и аудио.
• Научные публикации, вклад в open-source или исследовательский опыт.

Культура и преимущества

• Комфортный современный офис рядом с м. Кутузовская.
• Гибкий гибридный формат работы (Москва, СПБ).
• Расширенный пакет ДМС и страхование для членов семьи.
• Льготная ипотека для сотрудников (снижение ставки на 1/3).
• Годовые премии, корпоративный спортзал и зоны отдыха.
• Бесплатная подписка СберПрайм+ и скидки от партнеров.