Инженер по компьютерному зрению

Мы — команда, которая занимается обучением LLM, VLM и CV моделей. Создаем нативные омнимодальные архитектуры, новые способы кодирования и совместного обучения в доменах изображений, аудио, видео и т.д.

Наши основные направления: обучение LLM и VLM с нуля, разработка новых архитектур, Computer Vision research, создание opensource инструментов, сбор и подготовка данных, деплой моделей для MVP. Работаем на кластере с GPU уровня H100.

Ищем сильного инженера в направление Embodied AI, который будет связывать омнимодальные наблюдения с VLA-моделями и превращать их выходы в осмысленное поведение реального робота.

• разработка и проведение экспериментов в области интеграции омнимодальных наблюдений с VLA-моделями и управления роботом в рамках проектов Embodied AI, воспроизводящих целенаправленное поведение на основе сенсорных данных и команд;

• сбор, синхронизация и подготовка данных с сенсоров для обучения и инференса моделей;

• запуск и отладка VLA-моделей на реальном железе, замер и снижение задержек в контуре «наблюдение → модель → действие».

• уверенный Python и хороший C++, опыт работы с реальным железом: манипуляторы, мобильные или гуманоидные роботы;

• ROS / ROS2 и middleware: разработка нод, взаимодействие с контроллером робота, работа с форматами данных;

• работа с сенсорикой: IMU, гироскопы, лидары, специализированные камеры — калибровка, временная синхронизация, реалтайм-ограничения;

• Embodied AI и VLA: опыт с Vision-Language-Action моделями или смежными подходами (VLM, imitation learning, RL), уверенный PyTorch;

• опыт самостоятельного ведения экспериментов: от постановки гипотезы до запуска на роботе и оценки результата.

• комфортный современный офис - м. Кутузовская

• ежегодный пересмотр зарплаты, годовой бонус

• корпоративный спортзал и зоны отдыха

• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

• подписка Прайм с возможностью совместного использования на трёх близких

• вознаграждение за рекомендацию друзей в команду Сбера

• корпоративная пенсионная программа.

Мы занимаемся тонкой настройкой клиентских стратегий: строим индивидуальные модели эластичности (uplift) к ставке по вкладам, потребкредитам, программам лояльности и другим продуктовым направлениям, прогнозируем досрочное погашение кредитов физлиц (time series + tabular ML) и повышаем экономическую эффективность розничного бизнеса на основе данных.

Обязанности

• работать с большими данными в экосистеме Hadoop (PySpark, SQL) — от выгрузки и разведки до построения витрин для моделей
• разрабатывать индивидуальные модели эластичности и клиентского поведения в сегменте B2C — от прототипа до продвинутого пайплайна обучения и предсказаний
• проверять бизнес-гипотезы и превращать их в измеримый эффект: дизайн и оценка A/B-тестов (мэтчинг, продвинутые методы causal inference, интерпретация результатов)
• Выстраивать коммуникацию с заказчиками: согласовывать метрики, защищать подходы, показывать ценность данных на понятном языке
• Обеспечивать надёжность и мониторинг внедрённых решений — чтобы модель работала стабильно и приносила пользу каждый день.

Требования

• опыт работы Data Scientist от 3 лет
• техническое образование (будет плюсом если выпускник - МГУ, МФТИ, ВШЭ и других ведущих вузов страны)
• понимание теории вероятностей и статистики.
• Уверенное владение широким спектром ML-алгоритмов — регрессия, классификация, кластеризация, а также uplift-моделирование (способность оценивать причинно-следственные эффекты, а не просто предсказывать)
• владение Python и ML библиотеками (numpy, sklearn, pandas, matplotlib/seaborn/plotly, catboost/lightgbm/xgboost, etc.)
• плюсом будет опыт работы с pytorch, pyspark

Условия

• комфортный современный офис рядом с м. Кутузовская
• возможность выбрать удобный график – офис/гибрид
• ежегодный пересмотр зарплаты, квартальная и годовая премия (премия указывается в зависимости от должности и системы премирования)
• корпоративный спортзал и зоны отдыха
• более 400 образовательных программ СберУниверситета для профессионального и карьерного развития
• программа адаптации и помощь руководителя на старте (для вакансий уровня Junior)
• расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа
• гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ
• подписка Прайм с возможностью совместного использования на трёх близких
• вознаграждение за рекомендацию друзей в команду Сбера.

VK Реклама — платформа, которая объединяет все крупнейшие в России и СНГ социальные сети и сервисы с общим охватом более 140 млн человек. Благодаря VK Рекламе у рекламодателей есть единая точка доступа к аудитории рунета и колоссальному объёму мобильного трафика высокого качества.

Ядро рекламной системы — аукцион, обеспечивающий эффективную реализацию выбранных рекламодателями стратегий ставок и подбор рекламы для пользователей. Мы ищем руководителя в команду вертикалей рекламы, которому интересно глубоко погрузиться в механику аукциона, растить эффективность рекламных продуктов и стратегий ставок с помощью методов машинного обучения.

Что предлагаем:

• Возможность внедрять решения, влияющие на ~100 млн пользователей ежедневно
• Интересную предметную область — реклама сочетает в себе рекомендательную систему и аукцион со множеством дополнительных механизмов
• Технологические платформы компании, упрощающие внедрения в рантайм

Задачи

• Руководить командой: наём, развитие, performance review
• Декомпозировать бизнес-цели и проекты до уровня задач для команды
• Повышать эффективность рекламы при помощи ML-алгоритмов
• Предлагать новые решения и проводить A/B-эксперименты для оценки гипотез
• Обеспечивать стабильность ML-решений в высоконагруженном рантайме

Требования

• Опыт руководства командой ML или разработки от двух лет
• Опыт развития команды, проведения code review
• Практический опыт разработки на Java, Python или C++
• Знание классических методов машинного обучения (линейные модели, градиентный бустинг, матричные факторизации, методы NLP) и DL
• Понимание принципов и методов предобработки данных, feature engineering и оценки моделей
• Знание алгоритмов и структур данных

Будет плюсом

• Опыт разработки рекомендательных систем
• Опыт работы с большими данными (Spark, Hadoop, YTsaurus)