RELX
Senior Software Engineer (Computer Vision / ML Engineer)
- Удалённо
- Australia
- Полная занятость
- 4 дн. назад
Senior Software Engineer в команду IDVerse (RELX/LexisNexis Risk Solutions) — разработка передовых моделей компьютерного зрения и машинного обучения для борьбы с фальсификацией личности и мошенничеством мирового масштаба. Удалённая работа по Австралии.
О позиции
Команда IDVerse создаёт технологии верификации личности для противодействия мошенничеству на глобальном уровне. Мы разрабатываем системы, которые остаются эффективными перед лицом эволюционирующих атак, включая спуфинг, глубокие фейки, инъекционные атаки и сгенерированные ИИ подделки. Это команда исследователей и инженеров, мыслителей от первых принципов, проводящих строгие эксперименты и создающих новые подходы для постоянного совершенствования наших систем.
Чем заниматься
- Исследовать сложные задачи в области компьютерного зрения, биометрии, определения ливености (liveness), обнаружения анти-спуфинга, глубоких фейков, генеративного ИИ и адверсариальных атак
- Формировать гипотезы, проводить контролируемые эксперименты, разрабатывать выводы, которым можно доверять
- Развивать навыки Red Team — создавать новаторские презентации, инъекционные атаки, глубокфейки и атаки с использованием синтетических медиа против собственных систем
- Проектировать, обучать, оценивать и оптимизировать подходы глубокого обучения для изображений, видео и мультимодальных данных (представления, трансформеры, генеративные модели, 3D/геометрическое зрение)
- Внедрять исследования через продукты: переводить идеи из прототипирования в бенчмаркинг, оптимизацию, деплой и реальную оценку
- Следить за новыми исследованиями в CV и AI, воспроизводить и проверять перспективные идеи
Что ждут
- Глубокие знания компьютерного зрения, машинного обучения и глубокого обучения; сильная математическая база (статистика, оптимизация)
- Доказанный опыт решения открытых исследовательских и инженерных задач
- Сильный опыт работы с Python и PyTorch или эквивалентными современными DL-фреймворками
- Опыт проектирования контролируемых экспериментов, анализа поведения моделей и режимов их отказов
- Умение переводить концепции исследований в эффективные, надёжные продакшн-системы
- Сильные фундаментальные навыки software engineering
- Опыт работы с C/C++, CUDA, TensorRT, ONNX
- Бакалавр или магистрComputer Science, Machine Learning, Mathematics, Engineering или аналогичный уровень компетенций
Будет плюсом
- PhD или аналогичный исследовательский опыт в CV, ML, AI, математике
- Публикации, патенты, значительные открытые источники, результаты соревнований
- Опыт в биометрии, liveness/presentation attack detection, deepfakes, synthetic media, adversarial ML
- Опыт red-team или адверсариальных исследований
- Знакомство со стандартами биометрической безопасности ISO/IEC 30107
Условия
- Удалённая работа по всей Австралии с полной занятостью
- Бизнес-преференции, специфичные для вашей локации
- Комфортная культура и фокус на благополучии сотрудников
- Равные возможности приёма без дискриминации
Навыки
- Python
- PyTorch
- Computer Vision
- Deep Learning
- Machine Learning
- C++
- CUDA
- TensorRT
- ONNX
- Generative Models
- Transformers
- 3D Vision
- Biometrics
- Liveness Detection
- Adversarial Machine Learning
- Presentation Attack Detection
- Image Processing
- Video Analysis
- Numerical Optimization
- Statistical Analysis
Сложность отбора
Высокая сложность: требует глубоких знаний CV/ML, опыта исследований, способности решать открытые задачи и внедрять инновации в продакшн
Оценка JobPathЗарплата по рынку
480 000 – 850 000 ₽ в месяц
Оценка для Senior CV/ML Engineer в Австралии (удалённо); годовой доход ~AUD 150K–250K конвертирован в рубли по курсу ~1 AUD = 39 ₽/мес
Оценка JobPath по рынку, не предложение работодателяМогут спросить на собеседовании
- Расскажите о своём наиболее сложном исследовательском проекте в области CV/ML и какие выводы вы сделали после его завершения?
- Как вы подходите к оценке рисков и уязвимостей в современных системах распознавания лиц или биометрической верификации?
- Опишите ситуацию, когда модель хорошо работала на тесте, но провалилась в продакшене. Как вы анализировали причины?
- Какие методы представления вы использовали для multimodal данных и почему выбрали именно их?
- Как вы организовываете контроль качества и ревью чужого кода/исследований в командной работе?
Прорепетировать это собеседование
Голосовой ИИ-интервьюер задаст вопросы под эту вакансию и разберёт каждый ответ.
Начать бесплатноСохрани похожие вакансии
Новые вакансии с такой должностью будут собираться в кабинете.
Сохранить фильтр