Senior Data Scientist (3D Geometry)

Мы в Kandinsky строим платформу для генерации изображений и видео. Команда Harness отвечает за слой инструментов и пайплайнов вокруг моделей: он превращает исследовательские чекпоинты в решения, которыми пользуются миллионы пользователей. Мы ищем ML-инженера, который будет развивать этот слой, автоматизировать сценарии работы с визуальным контентом, влиять на выбор моделей и подходов и помогать командам доводить модели до продукта.

• разрабатывать агентные системы: сценарии, инструменты, оркестрация вызовов

• решать прикладные задачи с помощью CV- и генеративных моделей: от постановки до работающего в проде решения

• собирать пайплайны обработки и генерации изображений и видео, автоматизировать сценарии работы с визуальным контентом

• адаптировать модели под конкретные домены и продуктовые кейсы

• искать причины деградаций качества и предлагать способы их устранения

• работать в связке с исследователями, продуктом и бэкендом, переводя продуктовые требования в технические решения.

• уверенное владение Python и фреймворками глубокого обучения (PyTorch)

• понимание разницы между agentless- и agentic-решениями, опыт написания обоих и умение понимать, когда что уместно

• понимание устройства актуальных CV- и GenCV-моделей

• умение работать с контейнеризацией (Docker, Kubernetes)

• опыт интеграции генеративных моделей

• понимание бизнес-метрик и их переноса на модельные метрики

• опыт работы с opensource-моделями: выбор под кейс, настройка гиперпараметров, дообучение

• комфортный современный офис рядом с м. Кутузовская

• ежегодный пересмотр зарплаты, годовая премия

• корпоративный спортзал и зоны отдыха

• система обучения для профессионального и карьерного развития

• расширенный полис ДМС с первого дня работы и страхование для семьи

• льготная программа ипотеки для сотрудников

• бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров

• вознаграждение за рекомендацию друзей в команду Сбера.

Наша команда занимается разработкой computer-use-агентов, которые проходят тест-кейсы в интерфейсах и приложениях Яндекса — смотрят на экран, кликают, проверяют результат. Это помогает экономить время на рутинных тестах и сокращает время на выпуск версий.

Наша работа происходит на стыке harness и моделей, которых мы дообучаем через SFT/RL. Если вам интересно разрабатывать агентов, отвечая за весь стек технологий, используемых под капотом, — будем рады познакомиться!

Развитие harness

Нам важно строить эффективную (как по токенам, так и по скорости) обвязку вокруг модели. Разработка базы знаний по большой вариации тест-кейсов, улучшение планера, разработка верификаторов и тулов — это лишь малая часть задач, которые окружают harness.

Агентское планирование в модели

Уже сейчас наши модели неплохо справляются с автоматизацией. Но инструментов становится больше, тест-кейсы — сложнее. Чтобы сохранять эффективность и находить оптимальные пути решения задач, вам предстоит обучать модель таким эффективным стратегиям, а также работе в нашем harness.

Больше об ML в Яндексе — в канале Yandex for ML

* Понимаете, как строятся VLM-агенты и tool calling, работали с ними
* Разбираетесь с RL в интерактивных средах
* Хорошо знаете NLP/CV, особенно LLM/VLM
* Умеете решать ML-задачи полного цикла — от сбора разметки до внедрения в продакшен

* Понимаете ограничения современных VLM
* Следите за трендами в области агентов и tool-augmented-моделей