Senior ML Engineer (Kandinsky)

Описание

Мы разрабатываем технологии генерации и обработки визуального контента. Ищем Senior ML Engineer, который вместе с командой будет исследовать новые подходы, разрабатывать и обучать генеративные модели, строить комплексные ML-пайплайны и внедрять их в продукты. Технологический стек Основной стек: Python, PyTorch, распределённое обучение (FSDP, DeepSpeed). Модели и методы: диффузионные модели, трансформеры (DiT), VAE; механизмы attention, включая sparse и causal attention; авторегрессионная генерация и методы её обучения; дистилляция моделей; выравнивание моделей по человеческим предпочтениям с помощью RL-методов. Будет преимуществом: опыт оптимизации с Triton, torch.compile и квантизацией; backend-разработки, работы с API, асинхронной обработкой, реляционными и векторными БД, интеграции LLM/VLM. Обязанности Разрабатывать и обучать генеративные модели для изображений и видео, адаптировать архитектуры и латентные представления под новые задачи. Исследовать подходы к управляемой и авторегрессионной генерации, проверять гипотезы из статей и улучшать качество моделей. Дистиллировать модели, оптимизировать скорость инференса и потребление памяти. Строить масштабируемые пайплайны с VLM и CV-моделями для автоматической разметки, фильтрации и параллельной обработки данных. Технологический стек Основной стек: Python, PyTorch, распределённое обучение (FSDP, DeepSpeed). Модели и методы: диффузионные модели, трансформеры (DiT), VAE; механизмы attention, включая sparse и causal attention; авторегрессионная генерация и методы её обучения; дистилляция моделей; выравнивание моделей по человеческим предпочтениям с помощью RL-методов. Будет преимуществом: опыт оптимизации с Triton, torch.compile и квантизацией; backend-разработки, работы с API, асинхронной обработкой, реляционными и векторными БД, интеграции LLM/VLM. Требования Опыт обучения генеративных или CV-моделей и работы с большими датасетами. Умение выбирать подходы под задачу и оценивать результаты экспериментов. Хорошую математическую базу: линейная алгебра, теория вероятностей, статистика и методы оптимизации. Практический опыт работы с AI-агентами для ускорения разработки и исследований, умение проверять их код и результаты. Английский для чтения статей и документации; умение воспроизводить исследовательские подходы и применять их на практике. Будут плюсом научные публикации, выступления на международных конференциях по ML и компьютерному зрению, вклад в open source. Условия комфортный современный офис рядом с м. Кутузовская ежегодный пересмотр зарплаты, годовая премия корпоративный спортзал и зоны отдыха система обучения для профессионального и карьерного развития расширенный полис ДМС с первого дня работы и страхование для семьи льготная программа ипотеки для сотрудников бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров вознаграждение за рекомендацию друзей в команду Сбера.