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.

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 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.