Инженер по машинному и глубокому обучению в команду симуляции (3D Gaussian Splatting)
Сигналы объявления: 1 из 3
Это счётчик доступных сигналов, а не рейтинг безопасности работодателя. Нет данных по 2 из 3 проверок.
- Источник «Работа России»: нет данных — Нет подтверждённых данных об этом объявлении на государственной площадке.
- Проверка hh.ru: нет данных — Подтверждённый флаг employer.trusted от hh.ru не получен.
- Свежесть публикации: есть сигнал — С даты публикации прошло 2 дн. Порог сигнала — 30 дней; обновление даты не доказывает наличие свободного места.
Сопоставьте ИНН, юридическое название и условия договора. Даже свежая вакансия проверенной площадки требует проверки перед откликом.
Как проверить работодателя →✍ Составить сопроводительное письмо
Письмо хранится только в вашем браузере. Проверьте название компании перед отправкой — чужое имя в письме читается как массовая рассылка.
Опыт и подпись возьмутся из вашего мини-резюме.
Пожаловаться на подозрительную вакансию
Опишите конкретные признаки обмана. Не указывайте паспортные данные, номера карт или чужие контакты. После трёх учтённых жалоб объявление скрывается до проверки; это не доказательство мошенничества.
О команде:
Наша команда разрабатывает инструмент для тестирования автономной технологии - симулятор. Нам нужно достичь максимальной реалистичности нашего виртуального мира с точки зрения физики, качества изображения, данных с сенсоров и просто поведения окружающих объектов.
Мы ищем ML/DL инженера в команду симулятора - наша задача построить единый продукт валидации технологии автономного вождения на разных уровнях, в том числе на интеграционном, когда запускаются системы распознавания. Для этого нам необходимо добиться максимальной реалистичности данных с сенсоров - лидаров, камер и радаров.
Чем предстоит заниматься:
- Исследование и разработка методов 3D-реконструкции и нейронного рендеринга на основе Gaussian Splatting / NeRF и смежных подходов;
- Разработка методов novel view synthesis для генерации изображений с виртуальных положений и траекторий камеры;
- Работа с динамическими сценами: движущимися автомобилями, пешеходами и другими объектами;
- Работа с мультимодальными данными автономного автомобиля: камеры, LiDAR, в перспективе radar;
- Разработка и обучение диффузионных моделей img2img и video2video;
- Участие в code review, в составлении документации и в других активностях отдела;
- Оптимизация inference/training pipeline по скорости, памяти и качеству реконструкции;
- Взаимодействие с другими подразделения для решения поставленных задач (разметка данных, интеграция решений и т.д.).
Что мы ждем от кандидата:
- Уверенное знание PyTorch и опыт самостоятельной разработки и обучения DL-моделей;
- Хорошее понимание современных архитектур компьютерного зрения: CNN, Transformers, diffusion models;
- Понимание основ 3D computer vision: системы координат, camera models, intrinsic/extrinsic calibration, проекции и преобразования;
- Хорошее знание Python и базовое понимание Linux/Git/Docker, понимание методов оценки image/video generation: PSNR, SSIM, LPIPS, FID/FVD и perceptual metrics.
Будет плюсом:
- Опыт работы с 3D Gaussian Splatting, dynamic Gaussian Splatting, NeRF и neural rendering;
- Знание CUDA / C++ и опыт оптимизации GPU workloads;
- Публикации или практический исследовательский опыт в областях 3D-реконструкция, нейронный рендеринг, генеративные модели, автономное вождение.
- Опыт работы с большими моделями (VLM/LLM/диффузионные модели).