Senior AI/ML-инженер компьютерного зрения
Maneva строит Thinking Factory — производственную площадку, которая видит, понимает и действует самостоятельно. Vision-to-Action AI превращает видео с обычных камер в решения в реальном времени без замены существующей инфраструктуры. Компания работает с производителями среднего и крупного бизнеса и поставляет сквозные результаты, а не дашборды: повышение выхода продукции за счёт обнаружения дефектов и отклонений процессов, интеграция с MES, PLC и другими производственными системами, непрерывный контроль безопасности и соответствия требованиям. Основана в 2022 году, в июне 2026 привлекла $27M Series A под руководством U.S. Venture Partners.
Задачи:
- Определять техническую стратегию и архитектуру vision-моделей для задач detection, VLM и VLA.
- Обучать, дообучать и адаптировать модели (варианты YOLO, открытые VLM, VLA-политики) на собственных данных, включая дистилляцию, квантизацию и LoRA-адаптацию.
- Строить data engines: пайплайны разметки, авторазметку с помощью foundation-моделей, active learning, синтетические и симулированные данные.
- Проектировать строгую оценку: бенчмарки, регрессионные наборы, анализ режимов отказа и онлайн-метрики, привязанные к продуктовым результатам.
- Выводить модели в продакшен с учётом ограничений по задержке, памяти и стоимости на облачных GPU и edge-оборудовании (TensorRT, ONNX, Jetson или аналоги).
- Вести кросс-командные технические проекты, писать design docs, ревьюить код и модели, менторить senior- и mid-level инженеров.
- Отслеживать исследовательский фронтир, решать, что стоит внедрять, и превращать это в прототипы и продукт.
Требования:
- 5+ лет опыта построения и выпуска ML-систем с фокусом на компьютерное зрение; BS/MS/PhD в CS, EE или смежной области либо эквивалентный опыт.
- Глубокий практический опыт с object detection и сегментацией (семейство YOLO, модели в стиле DETR), включая обучение, тюнинг и продакшен-деплой.
- Практический опыт с VLM (например, модели в стиле LLaVA, Qwen-VL или PaliGemma): дообучение, промптинг, grounding и оценка.
- Опыт с VLA или embodied/robot-learning моделями (например, политики в стиле OpenVLA, RT-2 или pi0) либо явный опыт в смежной мультимодальной работе.
- Сильные навыки PyTorch и владение распределённым обучением, mixed precision и профилированием GPU.
- Подтверждённый опыт доведения моделей от исследования до продакшена: оптимизация моделей, inference serving, мониторинг и итерации по реальным отказам.
- Доказательства влияния на уровне staff: задавание направления для команд, обоснованные решения build-versus-adopt, повышение планки для других.
- Чёткая письменная и устная коммуникация с инженерами, исследователями и продуктовыми лидерами.
Будет плюсом:
- Публикации или open-source вклад в vision или мультимодальное обучение.
- Опыт с video understanding, 3D perception или мультисенсорным слиянием.
- Опыт с симуляцией, sim-to-real переносом, reinforcement и imitation learning.
- Опыт edge- и embedded-деплоя (TensorRT, CUDA, quantization-aware training).
- Опыт с LLM-инструментами вроде vLLM или с RLHF-подобным пост-обучением мультимодальных моделей.
- Роль может поддерживать работу, подпадающую под экспортный контроль США (ITAR). Для доступа к отдельным проектам может требоваться статус U.S. person (гражданин или подданный США, постоянный резидент, беженец или лицо, получившее убежище) либо экспортное разрешение.
Условия:
- Зарплата зависит от локации и опыта, по рыночной ставке.
- Участие в капитале быстрорастущего AI-стартапа.
- Комплексная медицинская, стоматологическая и офтальмологическая страховка.
- Гибкий PTO и возможности профессионального развития.
- Remote-first культура с современными инструментами для совместной работы.