Middle+ AI Engineer (Native Omnimodality & VLA)

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

• 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

• 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 • 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

• **Будет плюсом**

• 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.