Вакансии

Location: San Francisco, CA Workplace: Hybrid About Niantic Spatial AI has learned from almost everything online, but it still struggles with the physical world, where 99.5% of economic activity happens. It doesn’t know where things are, how spaces fit together, or what changes over time. That’s one of the biggest unsolved problems in AI, and it’s the one we’re solving at Niantic Spatial. We build spatial AI models and services so people and machines can reason, learn and act safely in the physical world. We turn camera imagery, video, sensor data and archives into accurate, AI-readable representations of real places that robots can train in and machines can use to know exactly where they are. In physical AI, mistakes have real consequences. That’s why we build AI grounded in measured reality, not guesswork, so the people and machines relying on it can trust it to get things right. Our team built some of the world’s most widely used maps. Now we’re building something bigger: a living, measured record of the real world that machines can query, learn from and use to understand how places change over time. If you want to help AI understand the world we actually live in, come build with us. About the Team Localization is where the map meets the moment. Our localization team builds the living geospatial world model and the centimeter-level Visual Positioning System (VPS) that lets people and robots know exactly where they are, from any camera, almost anywhere on Earth. That system is learned, not hand-built. Our localization stack has moved from classical geometry to visual models trained on billions of posed images — models that have to be accurate to the centimeter, robust to lighting and seasons and clutter, and fast enough to run in production for every query. This team sits at the junction of research and production: we take what works in a paper, make it work on our data, and make it work for customers. About the Role We're hiring an AI Engineer, Computer Vision, to contribute to the deep learning models at the heart of our localization system. Working alongside experienced researchers and engineers, you'll help train and iterate on the visual models — feature extractors, matchers, pose regressors, and retrieval models — that turn a single image into a precise position in the world. This is a full-loop environment. You'll get exposure to the entire pipeline: the data the model learns on, training, evaluation, and the service that runs it in production. You'll be surrounded by people who care deeply about correctness — where a loss curve going down is not the same as a system getting better — and you'll grow into that rigor quickly. What You'll Do - Train and Evaluate Models — Implement, train, and evaluate visual localization models in PyTorch: local feature extraction and matching, image retrieval, pose regression, and scene-coordinate regression. Iterate on architectures, loss functions, and training loops to improve accuracy on real production captures. - Build Data Pipelines — Contribute to high-throughput ingestion and preprocessing pipelines that turn raw imagery, poses, and 3D point clouds into training-ready datasets, including curation, sampling, and augmentation. - Run Experiments at Scale — Run training jobs across GPU environments on our 30-billion-image corpus, working with senior engineers and ML Infrastructure to keep experiments reproducible and results interpretable. - Extend the Benchmark — Help build and maintain the evaluation suite for localization — pose accuracy, recall across lighting and season changes, and latency under production load — so results are comparable across model versions. - Support Production Deployment — Work with senior engineers to take models from checkpoint toward serving: export, inference optimization, and monitoring once live. Learn what it means to own a model end-to-end, not just hand off a checkpoint. - Bridge Research and Product — Work with the Research team and Real-World Test Lab to understand how field failures translate into training data and benchmark improvements. What You'll Bring - Experience training deep learning models for computer vision tasks in PyTorch — through coursework, research, internships, or early industry work. - Foundational understanding of at least one of: visual localization, learned feature matching, image retrieval, pose estimation, SLAM, or structure-from-motion, and the 3D geometry underneath them (camera models, epipolar geometry, pose parameterizations). - Comfort working with large image or 3D datasets — preprocessing, curation, and understanding how data quality affects model behavior. - Familiarity with GPU-based training and the ability to read and reason about training runs — identifying whether a bottleneck is in data loading, compute, or model architecture. - Strong Python skills and a habit of writing code that others can rerun and build on. - A bachelor's or master's degree in computer science, computer vision, robotics, or a related field, or equivalent practical experience. Nice to Have - Published or contributed to work on learned localization, visual place recognition, scene-coordinate regression, or vision foundation models (CVPR, ECCV, ICCV, NeurIPS, 3DV, or equivalent). - Experience with large-scale self-supervised or multi-view pretraining, or fine-tuning vision foundation models for geometric tasks. - Exposure to inference optimization for edge or mobile hardware (TensorRT, ONNX, CoreML, or similar). - Experience with petabyte-scale spatial data: point clouds, meshes, posed image collections, or geospatial indexing. - Background in robotics, augmented reality, 3D reconstruction, digital twins, or autonomous systems. - Prior industry or research internship experience shipping or contributing to a production CV system. Compensation & Benefits The expected salary range for this role is $165,600 - $221,000 per year. Compensation also includes an annual bonus, equity, and a comprehensive benefits package including medical, dental, and vision coverage, 401(k), and more. Location & Work Model This role is based in our San Francisco, CA office on a hybrid schedule with a minimum of 3 days per week in office. Inclusive Application We know the strongest candidates don't always tick every box. If you're excited about this role and believe you could do it well, we encourage you to apply even if your experience doesn't match every qualification listed — you may be exactly who we're looking for. Equal Opportunity Niantic Spatial is an equal opportunity employer. Individuals seeking employment at Niantic Spatial are considered without regard to race, color, ancestry, national origin, religion, creed, age, gender (including pregnancy, childbirth, breastfeeding or related medical conditions), marital status, physical or mental disability, medical condition, genetic information, military or veteran status, gender identity, gender expression, sexual orientation, or any other protected category under applicable laws. Niantic Spatial will also consider qualified applicants with criminal histories in accordance with applicable laws. Please contact your recruiter if you want to request an accommodation for the job application or interview process. Candidate Privacy I understand that by submitting my job application, the information I provide as part of that application will be used in accordance with Niantic Spatial's Privacy Notice for Job Applicants and Candidates https://www.nianticspatial.com/applicant-privacy-notice.

Location: Москва Наша CV команда создает лучший в Сбере продукт для автоматического распознавания документов, используя самые передовые технологии. Главными задачами для нас являются разработка и улучшение OCR-модели на базе VLM, сбор обучающих данных с использованием кастомного agentic harness, и развёртывание клиентского сервиса внутри банка. Мы ищем Middle/Senior инженера, который будет заниматься полным циклом обучения и деплоя продукта. Обязанности * изучать SOTA подходы к OCR: чтение свежих пейперов в сфере e2e OCR, адаптация подходов data mining, SFT/RL, гипотезы * ставить эксперименты по обучению VLM-моделей: проверка гипотез на multi-node сетапе, замер метрик на внешних и внутренних бенчмарках. * дорабатывать пайплайн обучения: улучшение репозитория на текущем стеке (accelerate, TRL) - ускорение обучения, добавление аугментаций, адаптация под новые модели * собирать обучающие данных: агрегация существующих и новых данных в требуемом формате MarkDown, поиск новых доменов, написание скриптов по загрузке * размечать датасеты: запуск процесса разметки для вновь собранных или существующих данных при помощи кастомного agentic harness сборщика разметки (а также его улучшение), или внутренней платформы разметки асессорами * адаптировать сервис: интеграция обученных моделей в сервис на основе vLLM для сёрвинга клиентам внутри банка. Требования * высшее образование: математика, информатика или профильный data science * 3+ лет в ML, из них не меньше года лет с LLM/VLM в проде * английский для чтения статей и документации * Fine-tuning: SFT, LoRA/QLoRA, RL (DPO, GRPO) * современные движки инференса: vLLM, sgLang, triton * опыт работы с VLM: понимание принципов работы, дообучения, основных ограничений * агентные пайплайны: вызовы моделей, обработка исключений, ограничение стоимости * опыт в разметке датасетов асессорами, или автоматическими инструментами * Python: пишете код, который уходит в прод. Тесты, ревью, код-стайл * специфика банка: много контрагетов, с ними нужно иногда коммуницировать \*\*Будет плюсом\*\*   * опыт python-бэкендера: FastAPI, асинхронность, очереди, PostgreSQL, векторные хранилища * работа с разметчиками и контрагентами * публикации, доклады, open source. Условия * комфортный современный офис - м. Кутузовская * гибридный формат работы * ежегодный пересмотр зарплаты, годовой бонус * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * 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 * корпоративная пенсионная программа.

• Develop and adapt computer vision/video analytics models for detection, tracking, and recognition. • Work with video pipelines, including RTSP/HTTP, decoding, sampling, and batching.

— Разработка масштабной системы видеомониторинга и интеллектуальной видеоаналитики. — Техническое лидерство направления Computer Vision.

Location: Москва Pretrain - является самым масштабным и затратным этапом обучения VLM. На нем закладывается огромный фундамент возможностей модели, который позволяет в дальнейшем ей быть полезной пользователю и решать задачи CV. Нам требуется эксперт, который понимает какие данные двигают качество, весь скоуп задач компьютерного зрения и подходы к их решению, будет собирать процессы вокруг обогащения претрейна самыми качественными и необходимыми данными для множества доменов, оценивать качество и сложность датасетов, создавать полезные дашборды, заботиться о воспроизводимости. Нужен хороший организатор дата-команды и дата-пайплайнов с сильными техническими навыками. _Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_ Обязанности * строить data engine для pretrain и stage 1.5; * отвечать за sourcing, curation, dedup, filtering, balancing и mixture design; * выявлять слабые места в данных, влияющие на качество модели, составлять план по улучшению и реализовывать план в срок; * управлять качеством данных и воспроизводимостью; * организовывать статистику, срезы и мониторинг по данным; * работать с training/eval командами; * приоритизировать ручную и полуавтоматическую обработку там, где это эффективнее полной автоматизации; * нанимать и вести дата-инженеров. Требования * опыт работы в production команде (сборка окружения, выкатка моделей как оффлайн, так и онлайн, большие нагрузки как преимущество); * понимание, как данные влияют на качество VLM; * опыт построения дата пайплайнов и data quality процессов; * умение ставить задачи дата-инженерам, девопсам/ML-опсам, ML разработчикам; * умение приоритизировать задачи, распределять имеющиеся ресурсы; Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * возможность выбрать удобный формат работы: гибрид или офис * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * ипотека выгоднее до 7% для каждого сотрудника * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Привет! Это GigaChat Vision — команда, которая делает полный цикл обучения VLM моделей, включающий в себя стадии pre-training, SFT и DPO/RL. Мы ищем сильных инженеров и исследователей, которые будут двигать вперед качество мультимодального GigaChat. _Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_ Обязанности * Самостоятельная работа в рамках заданного направления развития качества VLM: от планирования, до выкатки в прод; * Планирование и работа над исследовательскими задачами по архитектуре модели, стратегии и данным обучения; * Формирование гипотез по улучшению качества модели, самостоятельное планирование экспериментов по их подтверждению и постановка multi-node обучений на большом количестве GPU (тысячи A100/H100); * Решение сложных инженерных задач, развитие и оптимизация кодовой базы обучения и эвала VLM, написание чистого кода и проведение code review; * Анализ точек роста и определение способов их закрытия. Требования * Сильный технический бэкграунд в modern ML: понимание того, как данные, архитектура и стратегии обучения влияют на итоговое качество модели; * Опыт полного цикла обучения VLM или LLM; * Глубокие знания или опыт работы в области computer vision; * Понимание принципов работы распределенного обучения (FSDP) или опыт обучения моделей на больших GPU кластерах; * Наличие навыков технического лидерства: проведение code-review, помощь и менторинг младших сотрудников; * Умение работать, принимать решения и выстраивать процессы в условиях неопределенности; * Умение и желание взаимодействовать с коллегами, вносить собственные идеи и предлагать пути достижения общих целей. Условия **Будет плюсом:** * Опыт полного цикла обучения VLM; * Наличие публикаций в области NLP или CV; * Опыт решения задач по оптимизации обучения; * Опыт участия в соревнованиях по машинному обучению или программированию.

Location: Москва Привет! Это GigaChat Vision — команда, которая делает полный цикл обучения VLM-моделей. Ищем сильного инженера в RL-направление: человека, который будет драйвить ключевые исследования и разработки, влиять на качество моделей и доводить сложные идеи до работающих решений. _Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_ Обязанности * Разрабатывать и улучшать RL-подходы для обучения VLM/LLM-моделей: выбор алгоритмов, постановка экспериментов и анализ результатов; * Проектировать reward-функции и пайплайны обучения, выстраивать стратегии масштабирования под разные домены и сценарии, напрямую влияя на метрики качества; * Определять требования к данным для RL: участвовать в построении пайплайнов сбора, фильтрации и подготовки датасетов; * Развивать систему оценки reasoning-качества: внедрять и улучшать метрики в существующем eval-фреймворке, предлагать новые способы измерения качества под новые возможности модели; * Работать на стыке с Pretrain / SFT / Infra: обеспечивать согласованность решений и перенос экспериментов в продакшн-пайплайн; * Следить за состоянием области и переводить свежие идеи из статей в проверяемые эксперименты и инженерные решения; * Глубоко погружаться в технические задачи: дебажить эксперименты, разбирать аномалии в обучении, находить узкие места и доводить решения до результата; * Делиться экспертизой с командой: участвовать в код-ревью, помогать улучшать качество решений и подходы к экспериментам; * Развивать инфраструктуру для RL. Требования * Глубокое понимание RL для LLM/VLM (RLHF, GRPO, PPO) и практический опыт; * Понимание полного цикла обучения VLM/LLM (pretrain → SFT → RL) и того, как решения на каждом этапе влияют на финальные метрики; * Опыт с распределённым обучением (DeepSpeed, FSDP) и inference-фреймворками. * Сильный практический опыт постановки, проведения и анализа RL-экспериментов; * Умение работать в условиях неопределённости и самостоятельно двигать сложные технические задачи; * Умение выстраивать процессы в условиях неопределённости; * Опыт взаимодействия со смежными командами и стейкхолдерами; * Системное мышление: способность видеть картину целиком — от данных и reward-дизайна до eval и продакшн-метрик. **Будет плюсом:** * Опыт менторинга или технического лидерства в рамках отдельных проектов; * Публикации или open-source вклад в области RL/LLM/VLM; * Опыт вывода RL-обученных моделей в продакшн и поддержки их качества. Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * возможность выбрать удобный формат работы: гибрид или офис * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * ипотека выгоднее до 7% для каждого сотрудника * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Мы ищем Data Engineer, который будет отвечать за инфраструктуру, пайплайны и качество данных для обучения современных Vision-Language Models. Роль находится на стыке data engineering и ML: нужно будет работать с большими мультимодальными датасетами, понимать потребности исследователей и ML-инженеров, строить пайплайны очистки, фильтрации, категоризации и генерации данных, а также обеспечивать воспроизводимый экспорт данных в формат для обучения моделей. Обязанности * Собирать и структурировать потребности ML-команды в данных: какие данные нужны для обучения, дообучения, оценки и улучшения VLM. * Предлагать и реализовывать идеи пайплайнов очистки, фильтрации, дедупликации, категоризации и генерации данных. * Ориентироваться в современных практиках построения датасетов для Vision-Language Models: image-text pairs, synthetic data, filtering, quality scoring, data mixture design, dataset versioning. * Отвечать за инфраструктуру хранения и подготовки данных, включая: * 1. импорт данных из различных источников: production, Common Crawl, open-source datasets, generated data; 2. валидацию и контроль качества данных; 3. хранение и версионирование датасетов; 4. экспорт данных в форматы, пригодные для обучения моделей. * Проектировать и реализовывать пайплайны обработки данных на большом масштабе, включая десятки миллиардов изображений. * Разрабатывать пайплайны генерации синтетических данных для обучения и улучшения VLM. * Собирать статистику по данным, строить отчёты и визуализации для анализа состава, качества и покрытия датасетов. * Обеспечивать воспроизводимость, наблюдаемость и надёжность data-процессов. * Работать в тесной связке с ML-инженерами, исследователями и инфраструктурной командой. Требования * Сильный опыт в data engineering и построении production-grade data pipelines. * Уверенное владение Python, включая multiprocessing, multithreading и async-подходы. * Опыт работы с большими объёмами данных и распределённой обработкой. * Практический опыт с объектными хранилищами, в частности S3 или аналогами. * Опыт работы с YTsaurus или похожими системами для распределённого хранения и обработки данных. * Понимание принципов валидации, очистки, дедупликации и версионирования датасетов. * Опыт работы с DVC, Git, Docker. * Опыт работы с PostgreSQL или другими реляционными базами данных. * Умение проектировать устойчивые пайплайны: от импорта данных до финального экспорта в training-ready формат. * Способность самостоятельно разбираться в нечетко сформулированных задачах и доводить их до работающего решения. * Готовность работать на стыке engineering и ML research. Будет плюсом ------------ * Опыт работы с мультимодальными данными: изображения, текст, image-text pairs, captions, OCR, metadata. * Понимание того, как устроены современные датасеты для обучения VLM / LMM / multimodal models. * Опыт построения пайплайнов для synthetic data generation. * Опыт реализации quality scoring, filtering, semantic deduplication, clustering или data attribution. * Опыт визуализации статистики по большим датасетам и построения внутренних аналитических дашбордов. * Опыт работы с Common Crawl, LAION-подобными датасетами, open-source vision-language datasets. * Базовое понимание ML training pipeline и того, как качество данных влияет на качество модели. Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * возможность выбрать удобный формат работы: гибрид или офис * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * ипотека выгоднее до 7% для каждого сотрудника * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Привет! Это GigaChat Vision — команда, которая делает полный цикл обучения VLM-моделей. Ищем сильного senior-инженера в RL-направление: человека, который будет драйвить ключевые исследования и разработки, влиять на качество моделей и доводить сложные идеи до работающих решений. _Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_ Обязанности * Разрабатывать и улучшать RL-подходы для обучения VLM/LLM-моделей: выбор алгоритмов, постановка экспериментов и анализ результатов; * Проектировать reward-функции и пайплайны обучения, выстраивать стратегии масштабирования под разные домены и сценарии, напрямую влияя на метрики качества; * Определять требования к данным для RL: участвовать в построении пайплайнов сбора, фильтрации и подготовки датасетов; * Развивать систему оценки reasoning-качества: внедрять и улучшать метрики в существующем eval-фреймворке, предлагать новые способы измерения качества под новые возможности модели; * Работать на стыке с Pretrain / SFT / Infra: обеспечивать согласованность решений и перенос экспериментов в продакшн-пайплайн; * Следить за состоянием области и переводить свежие идеи из статей в проверяемые эксперименты и инженерные решения; * Глубоко погружаться в технические задачи: дебажить эксперименты, разбирать аномалии в обучении, находить узкие места и доводить решения до результата; * Делиться экспертизой с командой: участвовать в код-ревью, помогать улучшать качество решений и подходы к экспериментам; * Развивать инфраструктуру для RL. Требования * Глубокое понимание RL для LLM/VLM (RLHF, GRPO, PPO) и практический опыт; * Понимание полного цикла обучения VLM/LLM (pretrain → SFT → RL) и того, как решения на каждом этапе влияют на финальные метрики; * Опыт с распределённым обучением (DeepSpeed, FSDP) и inference-фреймворками. * Сильный практический опыт постановки, проведения и анализа RL-экспериментов; * Умение работать в условиях неопределённости и самостоятельно двигать сложные технические задачи; * Умение выстраивать процессы в условиях неопределённости; * Опыт взаимодействия со смежными командами и стейкхолдерами; * Системное мышление: способность видеть картину целиком — от данных и reward-дизайна до eval и продакшн-метрик. **Будет плюсом:** * Опыт менторинга или технического лидерства в рамках отдельных проектов; * Публикации или open-source вклад в области RL/LLM/VLM; * Опыт вывода RL-обученных моделей в продакшн и поддержки их качества. Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * возможность выбрать удобный формат работы: гибрид или офис * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * ипотека выгоднее до 7% для каждого сотрудника * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

Location: Москва Привет! Это GigaChat Vision — команда, которая делает полный цикл обучения VLM моделей, включающий в себя стадии pre-training, SFT и DPO/RL. Мы ищем сильных инженеров и исследователей, которые будут двигать вперед качество мультимодального GigaChat. _Первый этап отбора на эту вакансию – общение с AI-рекрутером. После отклика вам на почту и в чат на платформе HeadHunter придет приглашение пройти первичное интервью с ГигаРекрутером в Telegram. Диалог займёт примерно 10 минут. Его задача — уточнить недостающие детали и ускорить рассмотрение вашей кандидатуры. ГигаРекрутер только начинает свой путь, поэтому просим относиться с пониманием. Ваш опыт и участие помогут сделать его удобным и полезным!_ Обязанности * Самостоятельная работа в рамках заданного направления развития качества VLM: от планирования, до выкатки в прод; * Планирование и работа над исследовательскими задачами по архитектуре модели, стратегии и данным обучения; * Формирование гипотез по улучшению качества модели, самостоятельное планирование экспериментов по их подтверждению и постановка multi-node обучений на большом количестве GPU (тысячи A100/H100); * Решение сложных инженерных задач, развитие и оптимизация кодовой базы обучения и эвала VLM, написание чистого кода и проведение code review; * Анализ точек роста и определение способов их закрытия. Требования * Сильный технический бэкграунд в modern ML: понимание того, как данные, архитектура и стратегии обучения влияют на итоговое качество модели; * Опыт полного цикла обучения VLM или LLM; * Глубокие знания или опыт работы в области computer vision; * Понимание принципов работы распределенного обучения (FSDP) или опыт обучения моделей на больших GPU кластерах; * Наличие навыков технического лидерства: проведение code-review, помощь и менторинг младших сотрудников; * Умение работать, принимать решения и выстраивать процессы в условиях неопределенности; * Умение и желание взаимодействовать с коллегами, вносить собственные идеи и предлагать пути достижения общих целей. **Будет плюсом:** * Опыт полного цикла обучения VLM; * Наличие публикаций в области NLP или CV; * Опыт решения задач по оптимизации обучения; * Опыт участия в соревнованиях по машинному обучению или программированию. Условия * крупнейшее DS&AI community — более 600 DS-специалистов банка * дайджест о самых последних разработках в области DS&AI и отчеты с крупнейших конференций мира * возможность быть соавтором НИРов и статей для международных конференций * возможность выбрать удобный формат работы: гибрид или офис * ежегодный пересмотр зарплаты, годовая премия * корпоративный спортзал и зоны отдыха * более 400 образовательных программ СберУниверситета для профессионального и карьерного развития * расширенный ДМС, льготное страхование для семьи и корпоративная пенсионная программа * ипотека выгоднее до 7% для каждого сотрудника * бесплатная подписка СберПрайм+, скидки на продукты компаний-партнеров * вознаграждение за рекомендацию друзей в команду Сбера.

💎 Разработка CV-моделей для автоматизации складских процессов: детекция, классификация, трекинг, сегментация. Проектирование inference-пайплайнов, включая real-time, и ML-сервисов на Python в микросервисной архитектуре.

Location: San Francisco, CA Workplace: Hybrid About Niantic Spatial AI has learned from almost everything online, but it still struggles with the physical world, where 99.5% of economic activity happens. It doesn’t know where things are, how spaces fit together, or what changes over time. That’s one of the biggest unsolved problems in AI, and it’s the one we’re solving at Niantic Spatial. We build spatial AI models and services so people and machines can reason, learn and act safely in the physical world. We turn camera imagery, video, sensor data and archives into accurate, AI-readable representations of real places that robots can train in and machines can use to know exactly where they are. In physical AI, mistakes have real consequences. That’s why we build AI grounded in measured reality, not guesswork, so the people and machines relying on it can trust it to get things right. Our team built some of the world’s most widely used maps. Now we’re building something bigger: a living, measured record of the real world that machines can query, learn from and use to understand how places change over time. If you want to help AI understand the world we actually live in, come build with us. About the Role Niantic Spatial makes the physical world computable, helping people and machines collaborate safely by aligning how they understand reality. One of the fundamental problems we're helping autonomy teams and engineers overcome is the sim-to-real gap for visual-spatial understanding. We're applying our team's decades of experience encoding the world precisely as it is at Google Maps, Google Earth, and Niantic Labs to build the scalable real-to-sim stack for embodied AI. We're looking for a Senior Computer Vision Engineer to join our Embodied AI team, focused on 3D scene understanding and semantics. A reconstructed environment is only useful to a robot once it knows what is in it: which surfaces are floor, which objects can be grasped, moved, or opened, where one room ends and another begins. You'll work hand in hand with our Research Scientists to take advances in open-vocabulary perception, 3D semantic labeling, and scene graph construction and turn them into reliable capabilities that embodied AI teams can use in production. This is an applied research role. You'll live at the boundary between a research prototype and a production pipeline: adapting methods so they hold up on messy customer captures, lifting 2D semantic signals into geometrically consistent 3D, defining what "semantically correct" means for a downstream policy, and feeding what you learn back into the research agenda. You understand that the difficult part is often not the core method, but the messy inputs, edge cases, operational constraints, and downstream requirements surrounding it. You care about quality, cost, latency, and reliability, and you know that a system is only successful when people can depend on it. This is a hands-on engineering role for someone who wants to build, ship, and own outcomes. You'll help shape both the technology and the product, while remaining close to the code and the problems our customers are trying to solve. What You'll Do - Productionize 3D Scene Understanding Capabilities - Turn research prototypes in open-vocabulary segmentation, 3D semantic and instance labeling, affordance prediction, and scene graph construction into reliable pipeline components and services that operate across varied customer data and environments. - Own End-to-End Output Quality - Ensure that reconstructed environments carry labels, instances, and relationships that are consistent, complete, and correct enough for downstream simulation and policy learning, and define what "correct enough" means for each customer workflow. - Bridge Research and Production - Work day to day with the Embodied AI Research Scientist: pressure-test new methods on real customer data, identify where they break, and bring production and customer constraints back into research planning to prioritize the advances that matter most. - Make Systems Robust to the Real World - Diagnose failures caused by capture quality, scene complexity, scale, calibration, coordinate conventions, and other assumptions that prototypes often leave implicit. - Build Evaluation and Quality Infrastructure - Create datasets, regression tests, quality gates, and benchmarking tools that help the team measure whether changes improve the system. - Improve Performance, Throughput, and Cost - Profile and optimize GPU and distributed workloads, reduce unnecessary reruns, and help establish the economics of running reconstruction at scale. - Work Across the Product Boundary - Partner with Embodied AI product and engineering teams to understand customer requirements and deliver capabilities that fit real training, evaluation, and deployment workflows. Help evolve the representations, tooling, and operational systems that allow reconstructed environments to move reliably into customer applications. What You'll Bring - 5+ years of computer vision experience and a bachelor's degree or equivalent, - Significant experience building and operating production computer-vision, machine-learning, graphics, or data-processing systems. - Deep hands-on experience with scene understanding: semantic, instance, or panoptic segmentation; open-vocabulary detection and segmentation; or vision-language models applied to perception. - Experience taking 2D perception into 3D, such as multi-view label fusion, 3D semantic segmentation, instance tracking across views, or scene graph construction over reconstructed geometry. - Experience delivering reliable computer-vision or 3D systems used by other teams or customers, including the evaluation that proved they worked.. - Practical command of 3D and spatial data, including geometry, camera models, coordinate frames, calibration, and metric scale. - Strong Python and PyTorch skills, with the ability to work in C++ or other performance-oriented environments when needed. - Experience with cloud infrastructure, GPU workloads, distributed processing, or large-scale data pipelines. Nice to Have - Hands-on experience with 3D reconstruction, photogrammetry, structure from motion, Gaussian splatting, neural rendering, or meshing. - Experience with SLAM, visual positioning, localization, or large-scale mapping systems. - Experience with robotics, simulation, or embodied AI applications, in particular how semantic labels are consumed by a policy or a simulator. - Built evaluation or benchmarking infrastructure for perception or reconstruction systems. - Experience optimizing large-scale GPU inference workloads for cost, throughput, or latency. - A publication record or contributions to widely used open-source perception codebases. - Advanced degree in computer vision, robotics, machine learning, or a related field. Competencies - Relentless bias for action. You make decisions and ship as if the company’s success depends on it, because it does. You set the pace, and drive the people around you to rise to it. - Intellectually honest. You know there’s just one job that underpins every other in a startup: find the truth. You are relentless in your pursuit of it, including when it challenges your own convictions, and you raise concerns when you see them — even when it's uncomfortable, and especially when it's unpopular. - Pragmatic. You have no patience for not-invented-here Syndrome and analysis paralysis. You find the fastest path to a working capability without one-way doors that undermine scaling. - Strong systems instincts. You understand that production quality includes reliability, observability, cost, latency, maintainability, and usability—not just algorithmic accuracy. - Comfort with ambiguity. You can make progress when the problem, data, and requirements are still evolving. Compensation & Benefits Base salary range of $229,500 to $255,000 per year. Compensation also includes an annual bonus, equity, and a comprehensive benefits package including medical, dental, and vision coverage, 401(k), and more. Location & Work Model This role is based in our San Francisco office, with three days per week in office. Inclusive Application We know the strongest candidates don't always tick every box. If you're excited about this role and believe you could do it well, we encourage you to apply even if your experience doesn't match every qualification listed - you may be exactly who we're looking for. Equal Opportunity Niantic Spatial is an equal opportunity employer. Individuals seeking employment at Niantic Spatial are considered without regard to race, color, ancestry, national origin, religion, creed, age, gender (including pregnancy, childbirth, breastfeeding or related medical conditions), marital status, physical or mental disability, medical condition, genetic information, military or veteran status, gender identity, gender expression, sexual orientation, or any other protected category under applicable laws. Niantic Spatial will also consider qualified applicants with criminal histories in accordance with applicable laws. Please contact your recruiter if you want to request an accommodation for the job application or interview process. Candidate Privacy I understand that by submitting my job application, the information I provide as part of that application will be used in accordance with Niantic Spatial's Privacy Notice for Job Applicants and Candidates https://www.nianticspatial.com/applicant-privacy-notice.

Location: San Francisco, CA; Sunnyvale, CA Workplace: Hybrid At Niantic Spatial, we’re building the future of physical AI. Powered by a proprietary database of over 30 billion posed images, our groundbreaking mapping technology unlocks a new dimension of interaction and spatial intelligence that helps both humans and machines better understand, represent, navigate, and engage with the real environment. Join us as we build the real-world foundational models for physical AI, so people and machines can work efficiently and safely together. As a Senior Computer Vision Engineer on the Applied Algorithms team, you will own significant parts of our Localization technology. As a member of this team, you will be responsible for building the Map representing a living geospatial world model, as well as the centimeter-level accuracy Visual Positioning System (VPS) that allows people and robots to explore the real world. Part of the role will be bridging the gap between R&D and production, turning complex geospatial data into a persistent sense of space and enabling the next generation of spatial AI. RESPONSIBILITIES - System Architecture: Design, develop, and maintain production-grade computer vision systems that power Niantic Spatial’s VPS (Visual Positioning System) and 3D mapping pipelines. - Algorithmic Innovation: Refine and scale algorithms for our VPS system including, SfM (Structure from Motion) and Feed Forwards models, efficient feature and descriptor extraction to have the best possible accuracy and recall. Moving algorithms from research concepts to hardened production code that can scale for our map of the world. - Performance Engineering: Optimize complex ML and CV code for maximum efficiency in cloud and mobile environments, ensuring low latency and high-performance execution on GPU/CPU. - Benchmarking & Evaluation: Create and own the tools and frameworks used to evaluate the quality of our spatial grounding and 3D maps against ground-truth data. - Technical Leadership: Lead technical design reviews, mentor junior engineers, and serve as a team anchor for resolving complex technical disagreements within the mapping stack. - Cross-Functional Delivery: Collaborate with Product, Research, and Operations teams to ensure that state-of-the-art computer vision solutions translate into delightful user experiences. REQUIREMENTS - Education: BS, MS, or PhD in Computer Science, Robotics, Computer Vision, or a related technical field (or equivalent professional experience). - Years of Experience: 5+ years of experience developing and shipping algorithms for image processing, computer vision, or 3D reconstruction. - Coding Proficiency: Expert-level proficiency in python and/or C++. - Domain Expertise: Proven track record in designing solutions for Structure from Motion (SfM), VPS or 3D mapping.. - Frameworks & Tools: Deep experience with Deep Learning frameworks (PyTorch or JAX) and version control (Git). - Required in-office days: 3 days per week Plus If: - Experience in planning and leading technical projects from inception to production. - Significant contributions to open-source CV libraries (OpenCV, COLMAP, etc.). - Experience with CUDA or shader programming for performance optimization. Candidate Privacy Policy I understand that by submitting my job application, the information I provide as part of that application will be used in accordance with Niantic Spatial’s Privacy Notice for Job Applicants and Candidates https://www.nianticspatial.com/applicant-privacy-notice. If required by law, by submitting my job application I consent to the processing of my information as described in that Notice, including processing information I voluntarily disclose to Niantic Spatial, such as health or medical information, race or ethnicity data, and sexual orientation data and, in limited circumstances sharing information with third parties such as references and other third parties that assist in the hiring process. Niantic Spatial is an equal opportunity employer. Individuals seeking employment at Niantic Spatial are considered without regard to race, color, ancestry, national origin, religion, creed, age, gender (including pregnancy, childbirth, breastfeeding or related medical conditions), marital status, physical or mental disability, medical condition, genetic information, military or veteran status, gender identity, gender expression, sexual orientation, or any other protected category under applicable laws. Niantic Spatial, will also consider qualified applicants with criminal histories in accordance with applicable laws. Please contact your recruiter if you want to request an accommodation for the job application or interview process.

Задачи: — Руководить командой Computer Vision Engineers — Проектировать архитектуру production AI-систем — Менторить инженеров и проводить code review — Декомпозировать задачи и контролировать качество реализации — Разрабатывать пайплайны обработки десятков и сотен RTSP-потоков — Оптимизировать инференс на GPU и CPU — Принимать ключевые технические решения — Участвовать в найме и развитии AI-команды Основной стек: Python, PyTorch, OpenCV, YOLO, RTSP, GStreamer, NVIDIA DeepStream, TensorRT, Triton Inference Server, ONNX, OpenVINO, CUDA, FastAPI/gRPC, Docker и Kubernetes. Что важно: ✅ Сильный коммерческий опыт в Computer Vision и Video Analytics ✅ Опыт технического лидерства или менторства ✅ Запуск production AI-систем ✅ Уверенное знание Python, PyTorch, OpenCV и YOLO ✅ Практический опыт с RTSP, GStreamer, DeepStream и TensorRT ✅ Оптимизация моделей через ONNX, TensorRT, OpenVINO, CUDA или Quantization ✅ Понимание высоконагруженной обработки видеопотоков ✅ Умение принимать и аргументировать архитектурные решения Будет плюсом: ➕ Triton Inference Server ➕ C++ и CUDA ➕ Kafka и потоковая обработка данных ➕ MLflow и MLOps ➕ ViT, DETR, Swin и Video Transformers ➕ VLM, RAG, LangGraph, vLLM и Function Calling ➕ Опыт найма и формирования AI-команд Предлагаем влияние на архитектуру и технологический стек, сильную инженерную команду и работу над высоконагруженной системой промышленного уровня.

Задачи: — Разработка и участие в разработке и реализация маркетинговой стратегии фокусных продуктов портфеля контактной коррекции (контактные линзы) в России и странах СНГ; — Проведение P&L анализа фокусных продуктов; — Проведение мониторинга и анализа тенденций рынка, конкурентов, потребительского поведения, обратной связи от покупателей; — Контроль бюджета портфеля продуктов; — Выполнение маркетинговых исследований; — Реализация запуска новых продуктов; — Проведение мониторинга и анализа продаж; — Подготовка и реализация мероприятий, направленных на увеличение продаж; — Подготовка прогноза рынка, продаж и их адаптация; — Взаимодействие и координация деятельности маркетинга с другими подразделениями компании и внешними контрагентами; — Разработка, реализация, контроль рекламных кампаний и маркетинговых активностей по продуктам, а также оценка их эффективности. Требования: — Законченное высшее образование (маркетинг — как преимущество); — Опыт работы в маркетинге международных компаниях не менее 5 лет; — Опыт работы на позиции менеджера по продуктам или бренд-менеджера не менее 3-х лет (контактная коррекция, детское питание, лечебная косметика, корма для животных); — Опыт продвижения товаров с фокусом на потребителя (работа с программами лояльности — преимущество); — Опыт работы в компании, работающей напрямую или через селлеров на маркетплейсах (обязательно); — Опыт продвижения в digital (обязательно, самостоятельное ведение кампаний — преимущество); — Английский язык не ниже уровня upper-intermediate.

Location: Tbilisi, Georgia Workplace: remote Join Our Vision: We are building the next generation of Spatial Media - a new way people experience videos through interaction, multi-user presence, haptics, AI, and immersive storytelling. DeoVR is the leading immersive streaming technology serving multiple enterprise customers and millions of users globally. We are now expanding the boundaries of what video can be - moving from passive watching to active, interactive, multi-user journeys. If this excites you more than it scares you, you are in the right place. The Role We're looking for a seasoned Senior ML CV engineer to drive the technical direction of AI Mosaic - our production computer vision product that automatically applies accurate, form-fitting mosaic to video, replacing manual frame-by-frame masking with same-day automated output. AI Mosaic already runs in production and has processed titles for major Japanese distribution platforms. You'll own more than implementation - you'll improve the pipeline, spot where it can go further, and drive the changes that push the product forward. What You Will Do Deploy and continuously improve production ML pipelines for AI Mosaic Research and improve Computer Vision algorithms for automated content censoring and precise mosaic generation Improve algorithms for high-resolution video matting, segmentation, and form-fitting masking Develop spatiotemporal ROI extraction and tracking algorithms to ensure accurate and consistent masking across video frames Develop video understanding, relevant region detection, and motion recognition algorithms where they can improve masking quality Improve model accuracy, processing speed, stability, and scalability for high-resolution videos and batch workloads Proactively identify technical and product improvement opportunities and drive them from initial hypothesis to production Work closely with product and engineering teams to translate user feedback and business needs into practical ML solutions Tech Stack Must Have: PyTorch, PyTorch-Lightning, MLFlow, Experiment Tracking Highly Required: Camera Intrinsics Nice to Have: Inference Optimization: TensorRT, ONNX Runtime, Triton Inference Server Video CV: Spatiotemporal Tracking & Continuity Domain Knowledge: VR, 3D-geometry Stack (ML): Python, C++, Unity, PyTorch, PyTorch-Lightning, MLflow, DVC, OpenCV, AirFlow, Qdrant, Redis, MongoDB, RabbitMQ, MMLib, Feast Stack (Company): PHP, C#, Unity, Go, Unity, WebGL, K8s What We Are Looking For Proven experience developing and deploying Computer Vision models in production, with the ability to independently own complex ML solutions Strong programming skills in Python and solid knowledge of data structures and algorithms Ability to build extendable, reproducible, and maintainable ML pipelines Strong product mindset, with the ability to connect technical and model improvements to user needs and measurable product impact Proactive approach and ability to identify and initiate technical and product improvements BSc in Computer Science, Mathematics, or a related field Bonus Points Nice to have experience in anything mentioned in the Technical Stack section: C++ and etc. Experience deploying in edge (mobile, VR headset) devices Experience in shader creation (glsl, hlsl, etc.) MSc in CS, Math or related Hiring Process HR screening (30 min) Team Interview with Engineering Lead (30 min or 1 hour) Tech Interview (1 hour) CEO Interview (30 min) 💼 Explore our hiring process What We Offer Please note, that this is a fully remote contract role. B2B cooperation only – you will work with us as an independent contractor operating through your own legal business entity (e.g., sole proprietorship, limited company, or equivalent). The chance to be part of a pioneering team in a rapidly evolving industry Direct impact on the future of immersive media Flexible working hours and remote-first culture A team that values initiative, clarity, and collaboration Access to all tools and tech you need Unlimited DeoVR Premium A work environment where ideas matter and people are treated with respect Stay Connected Join our Facebook community and follow updates as we advance interactive VR experiences through cutting-edge technology. Join us and step into a role where legal expertise meets innovation.

Задачи: — разрабатывать и внедрять современные решения в области компьютерного зрения Требования: — опыт коммерческой разработки в области Computer Vision от 3 лет — хорошее понимание классического машинного обучения, статистического анализа, классических алгоритмов Computer Vision — практический опыт работы с нейросетевыми фреймворками PyTorch — умение читать научные статьи, воспроизводить решения и адаптировать их под реальные задачи — уверенное владение библиотеками NumPy, scikit-learn, Matplotlib, OpenCV — уверенная работа с Linux (предпочтительно Ubuntu, Mint или Debian) — опыт контейнеризации с использованием Docker и Docker Compose — уверенное владение Git — английский язык — Upper-Intermediate (B2) или выше (обязательно) — наличие проектов, которые были самостоятельно доведены до production Будет преимуществом: — опыт разработки систем видеоаналитики и/или видеонаблюдения — опыт оптимизации скорости инференса моделей с использованием ONNX Runtime и TensorRT — практический опыт работы с Graph Neural Networks (GraphNN/GNN) и Metric Learning — опыт работы с Kubernetes (K8s) Мы ищем человека, который: — любит решать сложные инженерные задачи — следит за современными исследованиями в области AI и Computer Vision — умеет самостоятельно принимать технические решения и доводить проекты до результата — готов работать над задачами полного цикла — от исследования и прототипирования до внедрения в production

Задачи: — Проектировать и развивать модели компьютерного зрения и видеоаналитики (детекция, трекинг, распознавание лиц, анализ поведения); — Интегрировать ML-модели в production (backend, edge); — Обучать и дообучать модели (fine-tuning, transfer learning); — Работать над реальными AI-проектами с бизнес-применением; — Сопровождать полный цикл разработки: от исследования до деплоя; — Оптимизировать модели и повышать качество CV-решений. Требования: — Уверенные знания Computer Vision и современных DL-подходов; — Глубокое понимание машинного обучения и нейронных сетей (CNN, detection/segmentation); — Уверенное владение Python; — Опыт работы с OpenCV, NumPy, PyTorch и/или TensorFlow; — Опыт работы с Git; — Опыт оптимизации моделей (speed/accuracy trade-offs, inference); — Опыт решения задач детекции, трекинга и анализа поведения людей. Условия: — Формат работы: офис, Астана.