- Страна
- Россия
ML-инженер в команду применения компьютерного зрения (VLM)
Оценка ИИИнтересный проект на острие технологий (VLM, RL) с конкретным продуктовым применением. Оценка высокая из-за актуального стека и работы над инновационным устройством, хотя детали по компенсации не указаны.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИРоль требует глубокой экспертизы на стыке CV и NLP (VLM), а также навыков сложного обучения моделей методами SFT и RL. Высокая сложность обусловлена необходимостью оптимизации тяжелых моделей для работы в реальном времени.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в объявлении не указана, но для специалистов уровня Senior в области ML/VLM на российском рынке вилка составляет от 350 000 до 550 000 рублей. Вакансии, связанные с мультимодальными моделями и RL, обычно оплачиваются по верхней границе рынка из-за дефицита кадров.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Контакты для отклика
Откройте контакты, указанные в вакансии.
Описание вакансии
ML-инженер в команду применения компьютерного зрения
Стек: NLP, Computer Vision, Multimodal Learning, Fine-Tuning, VLM, Machine Learning, LLM, Reinforcement Learning
ML-инженер в команду применения компьютерного зрения. Работа над IP-камерой Mike на базе VLM-модели. Задачи включают улучшение VLM-фич, обучение моделей (SFT, RL), оптимизацию производительности и инф…
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- NLP
- Computer Vision
- Multimodal Learning
- Fine-tuning
- VLM
- Machine Learning
- LLM
- Reinforcement Learning
- SFT
Возможные вопросы на собеседовании
Вакансия сфокусирована на VLM, поэтому важно понимать, как кандидат объединяет визуальные и текстовые признаки.
Расскажите о вашем опыте работы с мультимодальными архитектурами (VLM). Какие подходы к выравниванию (alignment) визуальных и текстовых эмбеддингов вы использовали?
В описании указано обучение моделей методами SFT и RL.
В каких сценариях для улучшения работы VLM вы бы предпочли использовать Reinforcement Learning вместо стандартного Supervised Fine-Tuning?
Работа с IP-камерами часто подразумевает ограничения по ресурсам.
Какие методы оптимизации инференса VLM-моделей вы применяли для обеспечения работы в режиме реального времени?
Проект Mike связан с компьютерным зрением.
Как вы решаете проблему галлюцинаций в VLM-моделях при описании визуальных сцен или детекции объектов?
Проверка владения современным стеком.
Опишите ваш пайплайн подготовки данных для дообучения мультимодальной модели: как вы фильтруете шум и обеспечиваете качество разметки?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
