Auf einen Blick
Synthesia sucht einen Senior Applied Research Engineer für ihr Video Team, um Next-Generation Video Foundation Models zu bauen. Der Kandidat sollte Deep Learning in Großmaßstab, Python/PyTorch und Erfahrung mit Diffusion Models haben.
💰 ~€140.000–200.000/Jahr (geschätzt)
📊 Senior
🕒 Vollzeit
🌍 Remote
🗺️ EMEA
- Large-Scale DL Training
- Python & PyTorch
- Diffusion Models Erfahrung
- Multi-GPU/Node Training
Python
PyTorch
Diffusion Models
Distributed Training
Video Generation
Deep Learning
Gehalt geschätzt anhand Senior research engineer in AI video, Europe-based, published-research-level skills.. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- ML/DL Engineers mit Diffusion Model Erfahrung
- Forschungs-Ingenieure mit Production Mindset
- People passionate about generative video
🚫 Weniger geeignet
- Reine Academic Researcher ohne Product Focus
- Kandidaten ohne Distributed Training Erfahrung
- Personen ohne Video oder Image Diffusion Background
💡 Gut zu wissen
- Dies ist Applied Research, nicht pure Academic Research
- Production Impact ist wichtiger als Paper Publishing
- Distributed Training in Multi-Node Scale ist kritisch
Über das Unternehmen
Synthesia ist die weltweit führende AI Video-Plattform für Unternehmen. Das Unternehmen wurde 2017 gegründet, ist in London beheimatet und hat über 90% des Fortune 100 als Kunden. Mit über 530 Millionen Dollar Finanzierung von Accel, Nvidia Ventures, Kleiner Perkins und anderen innoviert Synthesia in AI Video-Generierung.
Deine Aufgaben
- Besitz und Ausführung von End-to-End Research und Engineering Projekten
- Entwicklung und Skalierung von latent video diffusion models für human-centric video generation
- Entwurf von Conditioning Mechanismen zur Verbesserung der Kontrolle (Pose, Emotion, Script, Camera)
- Advancement von distributed training strategies (DDP, FSDP, DeepSpeed, sequence parallelism)
- Verbesserung von training stability bei multi-node scale
- Entwurf von rigorous evaluation frameworks kombinieren automated metrics und human evaluation
- Optimierung von inference für low latency, high resolution und cost efficiency
- Contribution zu hohen Engineering Standards: Reproducibility, Experiment Tracking, CI/CD
Deine Voraussetzungen
- Starke Erfahrung mit Training von Deep Learning Models im großen Maßstab
- Starke Python und PyTorch Fähigkeiten
- Hands-on Erfahrung mit Diffusion Models (Image erforderlich; Video bevorzugt)
- Erfahrung mit large scale multi-GPU/multi-node training
- Gutes Verständnis von distributed training (DDP, FSDP, DeepSpeed oder ähnlich)
- Fähigkeit, kontrollierte Experimente zu entwerfen und rauschige Ergebnisse zu interpretieren
Benefits
- Competitive Salary & Equity
- Impact auf AI Video Generierung
- Technically Challenging Problems
