Мы разрабатываем технологии генерации и обработки визуального контента. Ищем Senior ML Engineer, который вместе с командой будет исследовать новые подходы, разрабатывать и обучать генеративные модели, строить комплексные ML-пайплайны и внедрять их в продукты.
Технологический стек
Основной стек: Python, PyTorch, распределённое обучение (FSDP, DeepSpeed).
Модели и методы: диффузионные модели, трансформеры (DiT), VAE; механизмы attention, включая sparse и causal attention; авторегрессионная генерация и методы её обучения; дистилляция моделей; выравнивание моделей по человеческим предпочтениям с помощью RL-методов.
Будет преимуществом: опыт оптимизации с Triton, torch.compile и квантизацией; backend-разработки, работы с API, асинхронной обработкой, реляционными и векторными БД, интеграции LLM/VLM.
Обязанности
- Разрабатывать и обучать генеративные модели для изображений и видео, адаптировать архитектуры и латентные представления под новые задачи.
- Исследовать подходы к управляемой и авторегрессионной генерации, проверять гипотезы из статей и улучшать качество моделей.
- Дистиллировать модели, оптимизировать скорость инференса и потребление памяти.
- Строить масштабируемые пайплайны с VLM и CV-моделями для автоматической разметки, фильтрации и параллельной обработки данных.
Технологический стек
Основной стек: Python, PyTorch, распределённое обучение (FSDP, DeepSpeed).
Модели и методы: диффузионные модели, трансформеры (DiT), VAE; механизмы attention, включая sparse и causal attention; авторегрессионная генерация и методы её обучения; дистилляция моделей; выравнивание моделей по человеческим предпочтениям с помощью RL-методов.
Будет преимуществом: опыт оптимизации с Triton, torch.compile и квантизацией; backend-разработки, работы с API, асинхронной обработкой, реляционными и векторными БД, интеграции LLM/VLM.
Требования
- Опыт обучения генеративных или CV-моделей и работы с большими датасетами. Умение выбирать подходы под задачу и оценивать результаты экспериментов.
- Хорошую математическую базу: линейная алгебра, теория вероятностей, статистика и методы оптимизации.
- Практический опыт работы с AI-агентами для ускорения разработки и исследований, умение проверять их код и результаты.
- Английский для чтения статей и документации; умение воспроизводить исследовательские подходы и применять их на практике.
- Будут плюсом научные публикации, выступления на международных конференциях по ML и компьютерному зрению, вклад в open source.
Условия
- 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.
