- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Senior ML Researcher/Engineer в команду робота доставки
Оценка ИИЭто одна из самых престижных позиций на рынке РФ в области Robotics и ML. Работа в Яндексе над реальным физическим продуктом с использованием Foundation Models предлагает уникальный опыт и отличный соцпакет.
Сложность вакансии
Оценка ИИРоль требует экспертных знаний в самых современных областях ML: World Models, DiT и MBRL. Высокая сложность обусловлена необходимостью совмещать глубокую научную базу с навыками инженерной оптимизации для edge-устройств.
Анализ зарплаты
Оценка ИИВ вакансии не указана зарплата, но для уровня Senior ML в Яндексе рыночные ожидания составляют от 450 000 до 700 000 рублей плюс значительные годовые бонусы и опционы (RSU). Это соответствует верхнему сегменту рынка РФ.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Яндекс уже сейчас
Присоединяйтесь к команде Яндекса, чтобы создавать будущее автономной доставки и обучать масштабные World Models!
Описание вакансии
☺️ Senior ML Researcher/Engineer в команду робота доставки
Роботы доставки Яндекса ежедневно доставляют тысячи заказов, маневрируя в сложной, неструктурированной городской среде. Мы активно растём и планируем масштабировать флот до 20 000 роботов к 2028 году. Ищем в core-команду Senior ML Engineer/Researcher, который сфокусируется на построении быстрой интерактивной модели мира и масштабном обучении MBRL-агентов.
Какие задачи вас ждут:
• Разработка и скейлинг World ModelsВам предстоит проектировать и обучать массивные 3D/видеотокенизаторы и бэкбоны на базе Diffusion Transformers (DiT), Flow Matching, etc.
• Distributed TrainingВы будете строить пайплайны для распределённого обучения тяжёлых foundation-моделей на нашем вычислительном кластере.
• Model-Based RL (MBRL) & PlanningВашей задачей будет обучение чистого RL и политик IL + RL внутри замороженной латентной симуляции World Model.
• Representation ShapingПредстоит заниматься интеграцией вспомогательных лоссов для perception-задач 3D-детекции, сегментации, трекинга.
• Safety & InferenceВы будете строить надёжный safety-контур поверх выходов модели и готовить всю конструкцию к реалтайм-инференсу прямо на edge-девайсах робота.
Мы ждём, что вы:• На экспертном уровне владеете JAX и PyTorch
• Имеете навыки масштабного распределённого обучения
• Имеете глубокую математическую и ML-базу
• Способны писать, генерировать и проверять быстрый оптимизированный код
Будет плюсом, если вы:• Работали с Vision Foundation Models, генеративными видео- и image-моделями, синтезом лидарных облаков
• Имеете опыт в Reinforcement Learning
• Обладаете опытом продвинутой квантизации тяжёлых трансформеров или диффузионных моделей для edge-девайсов
• Оптимизировали инференс «на борту» робота
• Имеете бэкграунд в Autonomous Driving, Motion Planning или Robotics
Почему у нас хорошо:
С нами легко развиваться. Если для рабочих задач вам нужно подтянуть язык — организуем обучение и оплатим 50% стоимости. Это не все бонусы — полный список тут.
📩 Откликнутьсяна нашем сайте
#ML #senior #робототехника
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- JAX
- PyTorch
- Reinforcement Learning
- Computer Vision
- Robotics
- Distributed Training
- Transformers
- Diffusion Models
- 3D Detection
- Motion Planning
Возможные вопросы на собеседовании
Проверка понимания архитектурных особенностей генеративных моделей для видео.
Какие архитектурные изменения в Diffusion Transformers (DiT) вы бы предложили для обеспечения консистентности 3D-сцены при генерации видео-токенов?
Оценка опыта работы с распределенными вычислениями.
С какими основными проблемами масштабирования градиентов вы сталкивались при обучении моделей на сотнях GPU и как их решали?
Проверка знаний в области обучения с подкреплением.
В чем заключаются основные риски при обучении политик внутри 'замороженной' латентной симуляции (World Model) и как бороться с расхождением реальности и модели?
Оценка навыков оптимизации под железо.
Какие техники квантования и прунинга наиболее эффективны для запуска тяжелых трансформеров на edge-девайсах с ограниченным TDP?
Проверка математической базы и понимания лосс-функций.
Как интегрировать вспомогательные лоссы для 3D-детекции в общую функцию потерь World Model, чтобы не нарушить стабильность обучения основной задачи?
Похожие вакансии
Data инженер Middle+ Senior
AI/ML Engineer
Senior Data Engineer
Data Scientist (Senior)
Data инженер (Senior)
ML разработчик (Senior)
1000+ офферов получено
Устали искать работу? Мы найдём её за вас
Quick Offer улучшит ваше резюме, подберёт лучшие вакансии и откликнется за вас. Результат — в 3 раза больше приглашений на собеседования и никакой рутины!
- Страна
- Россия