- Страна
- Россия
Откликайтесь
на вакансии с ИИ
Senior ML Researcher/Engineer в команду робота доставки
Оценка ИИЭто топовая позиция в одной из ведущих технологических компаний мира. Работа над уникальным продуктом (роботы-доставщики) с использованием самых современных технологий (World Models, DiT) и огромным потенциалом масштабирования.
Сложность вакансии
Оценка ИИВакансия требует экспертных знаний в передовых областях ML: World Models, MBRL и распределенное обучение. Высокая сложность обусловлена необходимостью совмещать глубокую математическую базу с навыками оптимизации кода для работы на реальном железе (edge devices).
Анализ зарплаты
Оценка ИИЗарплата для Senior ML ролей в Яндексе обычно находится в верхнем дециле рынка РФ, часто включая значительную бонусную часть и опционы (RSU), что делает совокупный доход конкурентным даже на мировом уровне.
Сопроводительное письмо
Составьте идеальное письмо к вакансии с ИИ-агентом
Откликнитесь в Яндекс уже сейчас
Присоединяйтесь к команде Яндекса и создавайте будущее автономной доставки, обучая 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
Создайте идеальное резюме с помощью ИИ-агента
Навыки
- JAX
- PyTorch
- Reinforcement Learning
- Diffusion Models
- Transformers
- Distributed Training
- Computer Vision
- Robotics
- Autonomous Driving
- Model-Based RL
Возможные вопросы на собеседовании
Проверка понимания архитектурных особенностей генеративных моделей для видео.
В чем заключаются основные сложности при обучении Diffusion Transformers (DiT) для генерации видеопоследовательностей в контексте World Models?
Оценка навыков работы с распределенными системами и тяжелыми моделями.
Какие стратегии параллелизма (Data, Model, Pipeline, ZeRO) вы бы выбрали для обучения foundation-модели на кластере из нескольких сотен GPU?
Проверка знаний в области обучения с подкреплением.
Как вы планируете бороться с проблемой расхождения (compounding error) при планировании внутри латентного пространства World Model в задачах MBRL?
Оценка инженерных навыков оптимизации для специфического оборудования.
Какие методы квантизации и оптимизации инференса вы считаете наиболее эффективными для запуска трансформеров на edge-устройствах с ограниченными ресурсами?
Проверка умения работать с мультимодальными данными.
Как эффективно интегрировать вспомогательные лоссы для 3D-детекции и сегментации в процесс обучения общей репрезентации мира?
Похожие вакансии
Senior Data Engineer
ML Engineer, Senior
Data Scientist Senior
Senior MLOps инженер
Senior MLOps Engineer
Senior Data Engineer (Python, PostgreSQL)
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!