AI Engineer — AI-продукт для оптимизации строительства

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.

Selecty — аккредитованная IT-компания, оказывающая услуги в сфере IT-аутсорсинга.

Работаем на рынке более 10 лет, с 2013 года успешно решая задачи любой сложности в рамках цифровой трансформации для крупного бизнеса. Среди заказчиков Selecty более 300 компаний из списка РБК Топ-500.

Мы ищем ИИ-инженеров нового поколения, которые сочетают в себе навыки архитектора, разработчика и продуктового визионера. Опыт разработки от Middle+

Технологии и инструменты

• Асинхронность.
• FastAPI.
• Docker, понимание, что такое мультистейдж.
• K8s, Helm.
• Prometheus, Grafana.
• Redis.
• Kafka, RabbitMQ — абстракции Kafka (топик, партиция, ZooKeeper, offset, acks, содержимое файла).
• ML-метрики (Accuracy, Precision, Recall) — важно.
• AUC-ROC, AUC-PR — важно.
• Классификация в ML (лог. регрессия, k-NN, SVM, Naive Bayes, Decision Tree, Random Forest, …).
• Log loss.
• TF-IDF, BM25 — важно.
• Трансформеры — важно.
• BERT, GPT.
• RAG (пайплайн с нуля).
• Qdrant (метрики близости, HNSW, квантирование, …).
• Бенчмарки моделей.
• LangChain, LangGraph.

Чем ты будешь заниматься

• End-to-end-разработка: от логики базы данных до интерфейса.
• Поэтапный запуск: создание работающих микрочастей (каждый коммит — рабочий результат).
• AI-driven development: использование нейросетей для генерации кода, отладки и быстрой сборки архитектуры.
• DevOps-задачи: работа с репозиториями и автодеплоем (Railway) сразу после коммитов.
• Продуктовая работа: понимание болей пользователя и того, как технические решения их закрывают.

Требования

• Qdrant — глубокое понимание внутренностей, методов оптимизации под нагрузку (возможно, знание альтернативной БД).
• Работа с синтетическими чанками.
• Работа с графами.
• Опыт построения пайплайнов RAG.
• Оптимизация эмбеддингов (подбор моделей, снижение стоимости хранения/запросов).
• Интеграция с LLM.
• Понимание метрик качества поиска (Recall@k, MRR и др.).
• Знает, что такое брокер, желательно опыт с Kafka.
• Мультитрединг, мультипроцессинг.