- 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
Главный инженер Контроль качества данных
Data Engineer (Senior)
Senior Data Engineer
Data Scientist Senior
ML Engineer, 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!