Старший инженер по машинному обучению (Исследования ИИ, Физический ИИ)

О Nebius:

Nebius возглавляет новую эру в облачной инфраструктуре для глобальной экономики ИИ. Мы создаем полнофункциональную облачную платформу ИИ, которая поддерживает разработчиков и предприятия от обучения данным и моделям до развертывания производства, без затрат и сложности создания большой внутренней инфраструктуры ИИ/МО.

Построено инженерами для инженеров. От крупномасштабной оркестровки GPU до оптимизации вывода, мы владеем сложными проблемами в области вычислений, хранения, сетевых технологий и прикладного ИИ.

Входит в список Nasdaq (NBIS) и штаб-квартирой в Амстердаме, мы имеем глобальное присутствие с центрами исследований и разработок по всей Европе, Великобритании, Северной Америке и Израилю. Наша команда из более 1 500 человек включает сотни инженеров с глубоким опытом в области аппаратного, программного обеспечения и исследований и разработок ИИ. Роль Эта роль предназначена для Nebius AI R&D, команды,专注 на прикладных исследованиях в области ИИ. Наши исследования Physical AI направлены на создание интеллектуальных агентов, которые могут воспринимать, рассуждать и действовать в физическом мире. Области исследований включают:

- Модели «видение-язык-действие» для управления роботами общего назначения

- Укрепление и имитация обучения на основе демонстраций человека, моделирования и реального опыта

- Масштабируемый сбор, генерация и курирование многомодальных воплощенных данных

- Моделирование, модели мира и передача из симуляции в реальность

- Многомодальное сенсорное восприятие, включая зрение, осязание, силу и проприоцепцию

Вы будете изменять большие базовые модели и алгоритмы обучения для роботизированных агентов, прототипировать новые возможности в симуляции и проверять перспективные подходы на реальных системах. Результаты часто приводят к сотрудничеству с соседними исследовательскими, инфраструктурными и инженерными командами, где находки масштабируются и применяются на практике. В настоящее время мы ищем инженеров по машинному обучению старшего и штатного уровня для работы над исследованиями в таких областях, как:

- Модели «видение-язык-действие» и многомодальные базовые модели для робототехники

- Укрепление обучения, имитация обучения и обучение на основе демонстраций

- Масштабируемое приобретение и генерация данных о взаимодействии человека, робота и симуляции

- Модели мира, планирование и управление на основе моделей

- Передача из симуляции в реальность, адаптация домена и надежная оценка политики

- Ловкое манипулирование, управление всем телом и роботы общего назначения

Некоторые примеры того, что может входить в ваши обязанности:

- Разработка, реализация, обучение и оценка больших моделей и алгоритмов обучения для роботизированных агентов

- Разработка архитектур «видение-язык-действие», которые связывают многомодальное восприятие и понимание языка с физическим управлением

- Исследование методов укрепления обучения и имитации обучения для разреженных, задержанных или трудно проверяемых целей

- Разработка масштабируемых методов для включения демонстраций, данных телеоперации, видео, траекторий симуляции и опыта автономных роботов в базовые модели

- Проектирование методологий захвата, наборов данных, протоколов оценки и конвейеров качества данных для обучения с воплощением

- Разработка сред симуляции и проведение экспериментов с симуляции на реальные физические робоплатформы

- Исследование планирования, управляемой генерации и поиска по траекториям действий

- Прототипирование новых возможностей в таких областях, как ловкое манипулирование, мобильное манипулирование и управление всем телом

- Написание надежного исследовательского программного обеспечения и инфраструктуры распределенной подготовки, позволяющей проводить быстрые эксперименты

- Сотрудничество с исследовательскими и инженерными командами для перевода перспективных идей в надежные системы реального мира

- Коммуникация результатов через технические отчеты, открытые релизы, демонстрации и исследовательские публикации

Мы ожидаем, что у вас есть:

- Глубокое понимание теоретических основ машинного обучения, обучения с подкреплением или обучения роботов

- Глубокая экспертиза в как минимум одной актуальной области, такой как обучение с подкреплением, имитационное обучение, многомодальное генеративное моделирование, компьютерное зрение, робототехника, планирование или управление

- Опыт обучения и оценки современных моделей глубокого обучения, включая модели на основе трансформеров или многомодальные базовые модели

- Значительный опыт обучения больших моделей на нескольких вычислительных узлах

- Сильные навыки инженерного программного обеспечения и проектирования алгоритмов; мы в основном используем Python

- Глубокий опыт работы с современной рамкой глубокого обучения; мы в основном используем JAX

- Опыт проектирования, выполнения и анализа экспериментов машинного обучения с соответствующей статистической строгостью

- Способность формулировать осмысленные исследовательские вопросы, проектировать эксперименты, проверяющие четкие гипотезы, и делать обоснованные выводы

- Опыт реализации исследовательских идей и быстрой итерации по моделированию, данным, инфраструктуре и оценке

- Сильные коммуникативные и лидерские способности, включая способность сотрудничать в различных исследовательских и инженерных дисциплинах

- Способность четко документировать исследовательские результаты и способствовать техническим отчетам или исследовательским публикациям

Желательно:

- Опыт работы с реальными роботами и средами симуляции роботов

- Опыт работы с ловким манипулированием, манипулированием всем рукавом, мобильным манипулированием или гуманоидной робототехникой

- Опыт работы с многомодальным восприятием, включая тактильные, сило-торсионные, глубинные и проприоцептивные сигналы

- Опыт сбора человеческих демонстраций посредством телеоперации, захвата движения, носимых устройств или наблюдения

- Опыт разработки или пост-обучения моделей видение-язык, модели видение-язык-действие или модели видео и мира

- Опыт работы с методами глубокого обучения с подкреплением, такими как офлайн RL, методы актор-критик, PPO, моделирование вознаграждения, обучение предпочтений или RL на основе моделей

- Знакомство с инструментами и симуляторами робототехники, такими как MuJoCo, Isaac Sim, Isaac Lab, PyBullet, ROS или эквивалентные системы

- Знание масштабируемых методов обучения, таких как FSDP или ZeRO, FlashAttention, обучение с смешанной точностью, квантование и распределенное сохранение контрольных точек

-