W skrócie
- Zadania: Pracuj z robotami, rozwiązując realne problemy w codziennej pracy.
- Firma: Nomagic - lider w dziedzinie fizycznej AI z zespołem światowej klasy.
- Benefity: Elastyczne godziny pracy, pakiet relokacyjny i anglojęzyczne środowisko.
- Pozostałe informacje: Wysoka jakość pracy w dynamicznym zespole z doświadczeniem w Google i DeepMind.
- Dlaczego ta praca: Zmieniaj rzeczywistość fizycznej AI, łącząc badania z inżynierią.
- Kwalifikacje: Doświadczenie w ML, inżynierii systemów i robotyce.
Przewidywane wynagrodzenie mieści się w przedziale 135000 - 165000 zł za rok.
Czy wierzysz, że droga do ogólnego fizycznego AI prowadzi przez hałaśliwe, rzeczywiste wdrożenia fabryczne? Czy ekscytuje Cię wyzwanie przekształcenia klasycznych stosów robotycznych w podstawowe dane treningowe dla fizycznego AI? Jeśli Twoje odpowiedzi brzmią tak, powinniśmy porozmawiać.
W Nomagic realizujemy skromny pivot w kierunku ogólnego fizycznego AI. Wierzymy, że fizyczne AI jest zasadniczo problemem transferu wiedzy - wykorzystujemy "internetowe dane" robotyki - ogromne logi wdrożeń z rzeczywistych systemów działających w środowiskach produkcyjnych - aby wspierać nasze wysiłki. Szukamy naukowców zajmujących się badaniami, którzy pomogą nam budować, trenować i wdrażać podstawowe modele, które przeniosą naszą flotę z klasycznego stosu kontrolnego do zgeneralizowanej biegłości AI.
Podstawowe informacje o ofercie:
- Praca z prawdziwymi robotami, rozwiązując prawdziwe problemy każdego dnia.
- Pakiet relokacyjny.
- Elastyczne godziny pracy.
- Środowisko anglojęzyczne.
Oto dlaczego sami kochamy tę pracę i mamy nadzieję, że Ty również ją pokochasz:
- Łączymy światowej klasy badania z doskonałym inżynierią i stosujemy je do rozwiązywania rzeczywistych problemów.
- Większość tych danych już istnieje. Mamy roboty w produkcji na dużą skalę.
- Mierzymy to, co ma znaczenie. Testujemy nasz kod w testach jednostkowych, symulacjach i bezpośrednio na prawdziwych robotach.
- Wysoka dźwignia, duży wpływ. Jesteśmy nadal zespołem o wysokiej koncentracji.
- Światowej klasy koledzy. Nasz zespół zbudował Google Warszawa, startupy jednorożce, prowadził badania w DeepMind, testował silniki rakietowe i pracował w czołowych firmach takich jak Nvidia i ByteDance.
Co będziesz robić:
- Twoje zadania będą definiowane przez skrzyżowanie badań ML, robotyki i treningu modeli multimodalnych na dużą skalę.
- Oczekuj wyzwań w dwóch głównych filarach, z możliwością specjalizacji w Pretraining lub Post-training.
Modele podstawowe i pretraining:
- Projektowanie inteligencji bazowej: Definiowanie architektur modeli (opartych na Transformerach i dyfuzji), celów i programów treningowych.
- Mistrzostwo w danych: Opracowywanie skalowalnych mieszanek danych i strategii próbkowania.
- Przesuwanie granic: Przeprowadzanie rygorystycznych ablacj, aby zrozumieć prawa skalowania, efekty jakości danych, dynamikę optymalizacji i tryby awarii dużych modeli.
- Skalowanie z inżynierią: Ścisła współpraca z ML Infra w celu zwiększenia wykorzystania klastra i przepustowości.
Adaptacja, post-training i ocena w rzeczywistym świecie:
- Napędzanie adaptacji downstream: Badanie przepisów dostosowawczych.
- Poprawa niezawodności fizycznej: Opracowywanie nowoczesnych metod poprawy niezawodności w rzeczywistym świecie.
- Budowanie benchmarków: Projektowanie ram oceny i lekkich ustawień fizycznych.
- Zamknięcie pętli fizycznej: Analiza wyników oceny w rzeczywistym świecie.
Jakie umiejętności chcielibyśmy, abyś miał:
- Doświadczenie: Głębokie badania i praktyczne doświadczenie na skrzyżowaniu uczenia maszynowego, inżynierii systemów i robotyki fizycznej.
- Udokumentowane osiągnięcia: Doświadczenie w projektowaniu, trenowaniu i dostosowywaniu dużych architektur uczenia głębokiego.
- Doskonałość inżynieryjna: Silne fundamenty w zakresie frameworków uczenia głębokiego (PyTorch/JAX).
- Intuicja robotyczna: Komfort pracy z hardwarem.
- Pragmatyczne podejście do badań: Zdolność do płynnego przechodzenia między teoretycznym projektowaniem a fizyczną implementacją.
Co powinieneś oczekiwać po aplikacji?
- Rozmowa telefoniczna z menedżerem ds. rekrutacji.
- Pół dnia rozmów kwalifikacyjnych na miejscu.
- Ostateczna decyzja w ciągu 2-3 dni po rozmowie kwalifikacyjnej.
Ważne: Oczekuj szczegółowej, szczerej informacji zwrotnej po zakończeniu procesu, niezależnie od naszej decyzji.
Research Scientist in Warsaw – pracodawca: Almaz Capital
Acronis to doskonały pracodawca, który oferuje wyjątkowe możliwości rozwoju zawodowego w dynamicznym środowisku technologicznym. Pracując w zespole zajmującym się zaawansowanymi rozwiązaniami sieciowymi, będziesz miał dostęp do nowoczesnych technologii oraz wsparcia w realizacji ambitnych projektów, co sprzyja innowacyjności i kreatywności. Nasza kultura pracy opiera się na współpracy, otwartości i ciągłym doskonaleniu, co czyni Acronis idealnym miejscem dla profesjonalistów pragnących rozwijać swoje umiejętności w obszarze cyberbezpieczeństwa.
