Research Engineer

Сбер·Москва·21 сент.

Research Engineer

Ориентир по рынку≈ 140 000 – 300 000 ₽наш грубый ориентир по 200 вакансиям этого грейда на рынке, без учёта специальности: у работодателя вилка не указана

🏢 ОфисMiddleПолная занятостьКорпорация

≈ 140 000 – 300 000 ₽наша приблизительная оценка

Стоит ли откликаться

Стоит откликнуться, но спросите про деньги

Сумму в объявлении не указали. Сколько платят за похожую работу, видно в разборе. Вакансия живая, задачи расписаны.

3 из 4 в норме

Зарплата не указана: ваша цель, нижняя граница и фраза для первого созвона

Деньги

Зарплату в объявлении не раскрыли. Грубый ориентир: столько платят в 200 вакансиях уровня Middle по всему рынку, без учёта специальности.

платят меньше140 000 – 300 000 ₽ у половины таких вакансийплатят больше

Кроме оклада: премия и пересмотр зарплаты. Размер не назван, а от него зависит доход за год.

Вилки нет

Живость

Висит 28 дней, признаков фиктивного найма нет.

Живая

Описание

Расписано подробно: обязанностей 10, требований 24. Картина ясна до первого созвона.

Обещают: ДМС и компенсация спорта

Подробно

Что требуют

ОбязательноComputer VisionLLMPythonPyTorchGit

Надбавка к зарплате на этом уровне: Python +40%, Git +8%.

Ясно

Полный разбор в Pro

Это короткий разбор. В Pro полный: под эту вакансию и ваше резюме

Сколько просить

Не продешевите: сумма под ваше резюме, нижняя граница и готовые фразы для торга

Ваше резюме против требований

Пройдёт ли ваше резюме фильтр: что совпало с требованиями и что дописать до отклика

Спросить у работодателя

Что стоит спросить: вопросы именно к этой вакансии для первого созвона

Когда откликаться

Стоит ли спешить: за сколько дней эта компания обычно закрывает вакансии

30 дней Pro: полный разбор каждой вакансииЧто ещё входит в Pro

Чем предстоит заниматься

Разрабатывать и обучать VLA/WAM-модели для понимания сцен и инструкций, предсказания динамики окружающего мира и генерации действий робота

Развивать методы предобучения на разнородных данных: изображениях, видео, текстах, демонстрациях и траекториях роботов

Дообучать и адаптировать модели под новые задачи, объекты, условия и робототехнические платформы

Исследовать архитектуры, представления действий и функции потерь, включая transformer-, autoregressive- и diffusion/flow matching-подходы

Формировать смеси обучающих данных, выбирать стратегии семплирования и исследовать влияние качества, объёма и состава данных на способности моделей

Разрабатывать и оптимизировать пайплайны распределённого обучения на GPU-кластерах: повышать стабильность обучения, эффективность вычислений и использования памяти

Проводить воспроизводимые эксперименты и абляционные исследования, анализировать динамику обучения и причины ошибок

Разрабатывать методики оценки моделей: измерять качество предсказаний и действий, успешность выполнения задач, устойчивость и перенос на новые условия

Совместно с командами робототехники и инфраструктуры интегрировать модели в контур управления и проверять их на реальных роботах

Формировать рекомендации по сбору дополнительных данных и улучшению обучающих выборок на основе результатов экспериментов и испытаний

Наши требования

Опыт разработки и обучения современных DL-моделей в одной или нескольких областях: computer vision, video understanding/generation, multimodal learning, LLM/VLM или robot learning

Уверенное владение Python и PyTorch

Хорошее понимание современных нейросетевых архитектур, прежде всего transformers, методов оптимизации и принципов обучения на последовательностях

Практический опыт pretraining или finetuning моделей: подготовка данных, выбор функций потерь, настройка обучения, оценка качества и анализ ошибок

Опыт работы с большими датасетами и эффективными пайплайнами загрузки и обработки данных

Опыт обучения моделей на нескольких GPU и понимание принципов распределённого обучения

Умение ставить исследовательские гипотезы, планировать эксперименты и делать обоснованные выводы по их результатам

Умение писать поддерживаемый и воспроизводимый код, работать с Git и инструментами отслеживания экспериментов

Способность читать научные статьи и реализовывать перспективные подходы

Самостоятельность и готовность доводить исследовательскую идею до работающей модели совместно со смежными командами

Опыт работы с VLA, world models, action-conditioned video models или другими моделями для embodied AI

Опыт обучения политик по демонстрациям: imitation learning, behavior cloning, diffusion policies

Опыт с diffusion, flow matching, авторегрессионной генерацией видео и моделированием пространственно-временной динамики

Опыт мультимодального предобучения, self-supervised learning или обучения на эгоцентрическом видео

Опыт переноса моделей между робототехническими платформами и работы с разными представлениями действий

Опыт reinforcement learning, offline RL или улучшения политик на основе обратной связи и результатов выполнения задач

Опыт масштабирования обучения на нескольких узлах, работы с FSDP, DeepSpeed, Megatron или аналогичными инструментами

Опыт исследования scaling laws, оптимизации смесей данных и планирования экспериментов при ограниченном вычислительном бюджете

Опыт запуска моделей на реальных роботах, анализа неудачных действий и оптимизации инференса

Публикации, открытые проекты или воспроизводимые исследовательские результаты в ML, computer vision или робототехнике

Навыки работы с генеративными AI-моделями

Опыт создания AI-агентов и использования их в работе будет преимуществом

Опыт использования GigaChat, Kandinsky и аналогов в продуктах, навыки создания и использования AI-агентов

Инструментальное владение AI для анализа, генерации и автоматизации

Мы предлагаем

Офисный формат работы, адрес офиса Автозаводская 23а к2

Ежегодный пересмотр зарплаты, квартальная и годовая премия

Корпоративный спортзал и зоны отдыха

Более 400 образовательных программ СберУниверситета для профессионального и карьерного развития

Программа адаптации и помощь руководителя на старте

Расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа

Гибкий дисконт по ипотечному кредиту, равный 1/3 ключевой ставки ЦБ

Подписка Прайм с возможностью совместного использования на трёх близких

Вознаграждение за рекомендацию друзей в команду Сбера

Дополнительно

В Центре робототехники Сбера мы разрабатываем модели, которые позволяют роботам понимать окружающий мир, выполнять инструкции и решать задачи в реальных условиях. Мы работаем над Vision-Language-Action (VLA) и World Action Models (WAM), объединяя обучение на изображениях, видео, языке и робототехнических данных

Мы ищем Research Engineer, который будет заниматься предобучением и дообучением этих моделей: исследовать архитектуры и методы обучения, работать с большими мультимодальными датасетами, масштабировать обучение и адаптировать модели под конкретные задачи и робототехнические платформы. Работа охватывает полный цикл экспериментов — от постановки гипотезы и подготовки данных до оценки качества и проверки результатов на роботах совместно со смежными командами

Первый этап отбора на эту вакансию — общение с AI-рекрутером. После отклика ждите сообщение от него, диалог займёт примерно 10 минут. Задача AI-рекрутера — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. AI-рекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным для всех!