Popis pozice
Dusejovsky Kamil, e-mail: info@revelrobotics.com
Hledáme zkušeného pracovníka, který bude řídit, škálovat a posouvat náš tréninkový pipeline. Lepší modely, větší datové sady, robustnější produkční stack, každé procento kvality v oblasti síly, záměru a politiky.
Co budeš dělat
Řídit tréninkový pipeline ve velkém měřítku. Nasazovat vylepšené modely dovedností na reálné roboty v týdenním rytmu.
Posouvat kvalitu modelů. Architektura, návrh ztrátové funkce, tokenizace, kurátorství dat, augmentace, evaluace. Vlastnit ablace.
Vlastnit tréninkovou infrastrukturu. Multi-GPU, distribuované běhy, checkpointing, sledování experimentů, automatizovaná evaluace.
Přistupovat k datům jako k prvořadé záležitosti. Kurátorství, labelování, vyvažování, syntetická augmentace, sim-to-real.
Být v laboratoři. Sedět s hardwarovým a capture týmem. Uzavírat smyčku mezi modelem a robotem.
Koho hledáme
praxe v oboru informatika, elektrotechnika, robotika, ML nebo příbuzném oboru. Nebo realizovanou práci, která prokazuje stejnou hloubku.
Nativní práce v PyTorch. Pohodlí s CUDA, multi-GPU, distribuovaným tréninkem, mixed precision.
Praktická zkušenost alespoň s jedním z: imitační učení, behavior cloning, diffusion policies, vision-language-action modely, RL na robotech, sim-to-real.
Plynulost napříč moderním stackem robotického učení: velké multimodální foundation modely, fotorealistické simulátory, middleware třídy ROS, moderní architektury politik.
Silné základy ve zpracování signálů, senzorové fúzi a modelování vysokodimenzionálních časových řad. Multi-rate synchronizovaná senzorová data tě neděsí.
Bereš data vážně. Kvalita, vyváženost a kurátorství jsou tvojí prací, ne prací někoho jiného.
Hledáme zkušeného pracovníka, který bude řídit, škálovat a posouvat náš tréninkový pipeline. Lepší modely, větší datové sady, robustnější produkční stack, každé procento kvality v oblasti síly, záměru a politiky.
Co budeš dělat
Řídit tréninkový pipeline ve velkém měřítku. Nasazovat vylepšené modely dovedností na reálné roboty v týdenním rytmu.
Posouvat kvalitu modelů. Architektura, návrh ztrátové funkce, tokenizace, kurátorství dat, augmentace, evaluace. Vlastnit ablace.
Vlastnit tréninkovou infrastrukturu. Multi-GPU, distribuované běhy, checkpointing, sledování experimentů, automatizovaná evaluace.
Přistupovat k datům jako k prvořadé záležitosti. Kurátorství, labelování, vyvažování, syntetická augmentace, sim-to-real.
Být v laboratoři. Sedět s hardwarovým a capture týmem. Uzavírat smyčku mezi modelem a robotem.
Koho hledáme
praxe v oboru informatika, elektrotechnika, robotika, ML nebo příbuzném oboru. Nebo realizovanou práci, která prokazuje stejnou hloubku.
Nativní práce v PyTorch. Pohodlí s CUDA, multi-GPU, distribuovaným tréninkem, mixed precision.
Praktická zkušenost alespoň s jedním z: imitační učení, behavior cloning, diffusion policies, vision-language-action modely, RL na robotech, sim-to-real.
Plynulost napříč moderním stackem robotického učení: velké multimodální foundation modely, fotorealistické simulátory, middleware třídy ROS, moderní architektury politik.
Silné základy ve zpracování signálů, senzorové fúzi a modelování vysokodimenzionálních časových řad. Multi-rate synchronizovaná senzorová data tě neděsí.
Bereš data vážně. Kvalita, vyváženost a kurátorství jsou tvojí prací, ne prací někoho jiného.
Požadavky a benefity
Požadujeme
- VŠ Bakalářské
Nabízíme
Pracovní podmínky
Směnnost
Pružná pracovní doba
Hodin týdně
40
Pracovní vztah
Pracovní poměr - plný úvazek
O společnosti
Odpovědět na inzerát
Víte, že s účtem na Flekni máte víc možností?
- Přehled všech odeslaných přihlášek na jednom místě
- Sledování stavu přihlášky (přijata, pozvánka k pohovoru…)
- Ukládání pozic do oblíbených
- Vlastní životopis, který můžete přiložit jedním kliknutím
Vyplňte formulář. Životopis ve formátu PDF (max. 5 MB) je volitelný.