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.

• **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.

• 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