- Страна
- Великобритания
- Зарплата
- 150 000 ₽ – 200 000 ₽
Откликайтесь
на вакансии с ИИ
L4 Machine Learning Engineer (Consumer GenAI product Engineering)
Оценка ИИПрестижная компания, работа с передовыми технологиями (GenAI), высокая зарплата и релокационный пакет в Лондон. Отличные бенефиты и сильная команда.
Сложность вакансии
Оценка ИИПозиция уровня Senior (L4) в крупной тех-компании требует глубоких знаний архитектур диффузионных моделей и опыта работы с современным стеком GenAI. Высокая планка ожиданий по автономности и качеству кода.
Анализ зарплаты
Оценка ИИПредложенная вилка в 150-200к фунтов полностью соответствует рыночному уровню для Senior MLE в Лондоне в компаниях уровня BigTech. Это выше среднего по рынку для локальных стартапов, но стандартно для Tier-1 компаний.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Snap уже сейчас
Присоединяйтесь к команде Snap в Лондоне и создавайте GenAI-фичи для миллионов пользователей по всему миру!
Описание вакансии
tldr: GenCV MLE Senior, Snap, 150-200£/year, Лондон, гибрид 4 дня в офисе
Ищу Откликнуться к себе в команду Consumer GenAI product Engineering в Snap. Наша команда очень плотно работает с продуктом и катит самые новые и самые модные AI фичи напрямую в приложение. Мы работаем с визуальной частью GenAI движа (фото/видео), иногда аудио и VLM/LLM. У нас не очень много внутреннего RnD, но много внутренних эвалов, бенчмарков, работы с опенсорсом. В первую очередь ищем людей уже находящихся в Лондоне (визу спонсируем).
Чем предстоит заниматься:
- Работать со свежим опенсорсом в GenCV домене — Flux, Qwen, Wan, etc.
- Создавать внутренние эвалы, проверять клеймы авторов новых статей на настоящих данных.
- Очень близко общаться с продуктом, думать про счастье пользователей, катить новые фичи. - [Возможно] Оптимизировать инференс и работать над дистилляцией, квантизацией
- [Возможно] Посттрейнить картиночные/видео модели под наши юзкейсы.
Кого мы ищем:
- Работаете с генеративными картиночными и видео диффузионными моделями.
- Работаете на PyTorch, знаете как работает аттеншн, что такое диффузия и чем она отличается от flow matching.
- Знаете как работают text2image, image2image, image2video пайплайны.
- Любите быстро прототипировать MVP и тестировать результаты на реальных пользователях
Условия:
- офис в Лондоне, гибрид, 4 дня в офисе.
- L4 в снапе это L4-L5 в гугле, много автономности и овнершипа.
- Стандартная L4 вилка рисуется 150-200к фунтов, в нищете не останетесь.
- Есть прикольные бенефиты про оплату транспорта (300 фунтов/м) и спорта (180 фунтов/квартал)
- Совершенно точно не 996, у нас в целом довольно чиллово (не говорите моему менеджеру что я это сказал)
В целом мы ищем бодрых ребят готовых быстро итерироваться, брать опенсорс и делать из него конфетку, катить прикольные фичи на миллионы пользователей и растить стоки обратно вверх. Команда новая и свежая, много шансов взять много овнершипа и сделать импакт. Подавайтесь даже если не подходите на 100%, 80% вполне должно хватить :)
На эту позицию я реферю руками, поэтому пожалуйста присылайте мне свое CV на Откликнуться, с темой письма MLE-R0046209.
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- PyTorch
- LLM
- Computer Vision
- Diffusion Models
- Generative AI
- WAN
- VLM
- Distillation
- Flux
- Quantization
- Qwen
Возможные вопросы на собеседовании
Проверка фундаментальных знаний в области генеративных моделей, упомянутых в вакансии.
В чем ключевое различие между классической диффузией и Flow Matching, и какие преимущества это дает при обучении моделей?
Вакансия предполагает работу с видео-генерацией.
Какие основные сложности возникают при переходе от image2image к video2video пайплайнам и как вы обеспечиваете временную консистентность кадров?
Упоминается работа с Flux и Qwen.
Расскажите о вашем опыте адаптации или дистилляции тяжелых опенсорсных моделей для инференса в высоконагруженных приложениях.
В описании важна работа с эвалами.
Как вы строите процесс оценки качества генеративных моделей, если стандартные метрики (вроде FID) не всегда коррелируют с субъективным ощущением пользователя?
Проверка продуктового мышления и умения работать в итеративном цикле.
