Research Engineer, Model Lifecycle Engineering, Robotics, DeepMind
Это вакансия в одной из самых престижных ИИ-лабораторий мира. Работа над передовыми задачами робототехники в Google DeepMind предлагает исключительные возможности для карьерного роста, работы с мировыми экспертами и конкурентную компенсацию.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сложность вакансии
Высокая сложность обусловлена необходимостью сочетать глубокие знания в области Research (Deep Learning, Robotics) с инженерными навыками (Model Lifecycle). Работа в DeepMind предполагает прохождение одних из самых сложных технических интервью в индустрии.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Предлагаемая зарплата в Google DeepMind для уровня Research Engineer в Лондоне обычно находится в верхнем дециле рынка, значительно превышая средние показатели по городу за счет бонусов и акций (RSU).
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Описание вакансии
Research Engineer, Model Lifecycle Engineering, Robotics, DeepMind
Google is a technology company that specializes in Internet-related services, including search, cloud computing, software, and hardware.
London, UK. On-site.
More details in Claudio Fantacci's Откликнуться.
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.

Навыки
- Python
- Machine Learning
- Research
- JAX
- Deep Learning
- Robotics
- Model Deployment
Возможные вопросы на собеседовании
Проверка понимания специфики работы с моделями для физических агентов.
Как вы подходите к проблеме расхождения между симуляцией и реальностью (sim-to-real gap) при развертывании моделей?
DeepMind активно использует JAX; важно понимание инструментов оптимизации.
Какие стратегии оптимизации производительности моделей вы использовали при работе с JAX или TensorFlow для задач реального времени?
Роль сфокусирована на жизненном цикле моделей.
Опишите ваш опыт построения пайплайнов для автоматизированного тестирования и валидации робототехнических моделей.
Проверка навыков работы с данными в робототехнике.
Как эффективно организовать сбор и разметку данных для обучения с подкреплением (RL) в условиях ограниченных ресурсов оборудования?
Оценка способности работать на стыке исследований и продакшена.
Расскажите о случае, когда вам пришлось адаптировать сложную исследовательскую архитектуру для работы в условиях ограниченных вычислительных мощностей робота.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.

