Стажер-специалист по искусственному интеллекту
О роли
Исследования в области машинного обучения в Netflix улучшают различные аспекты бизнеса: алгоритмы персонализации, понимание контента и участников, креативные инструменты, оптимизацию систем и инновационные решения. Наши исследования охватывают множество областей ML, включая рекомендательные системы, обучение с подкреплением, компьютерное зрение, обработку естественного языка, оптимизацию, каузальность и исследование операций. Качественные прикладные исследования также требуют надёжной ML-инфраструктуры — ещё одного нашего ключевого направления.
Кандидаты будут распределены в одну из организаций:
Content (контент)
Choosing & Conversation (выбор и взаимодействие)
Commerce (коммерция)
AI for Member Systems (ИИ для систем участников)
Вы можете указать интерес к одному или нескольким направлениям.
Кого мы ищем
Обязательные требования
Образование: действующее обучение в аспирантуре (PhD) в области компьютерных наук, машинного обучения, ИИ, компьютерной инженерии, математики, статистики, Data Science, экономики, вычислительной биологии, химии, физики, когнитивных наук или смежных дисциплин.
Экспертиза в одной или нескольких областях:
Персонализация и рекомендательные системы: Transformers/LLM для рекомендаций, коллаборативная фильтрация, контент-ориентированные рекомендации, гибридные системы, диалоговые рекомендатели.
NLP: большие языковые модели (LLM), дообучение (fine-tuning), обучение в контексте (in-context learning), инжиниринг промптов, выравнивание (alignment), оценка, генерация текста, эмбеддинги.
Обучение с подкреплением (RL): офлайн и онлайн RL, выравнивание и пост-тренинг, обучение на основе предпочтений и человеческой обратной связи, бандиты.
Компьютерное зрение (CV): понимание и генерация изображений и видео, обучение представлениям.
Компьютерная графика: 3D-моделирование и понимание, нейронный рендеринг, анимация и смежные области.
Надёжный ML: робастность, объяснимость, интерпретируемость.
Каузальный ML: каузальный вывод, каузальное обнаружение, двойной ML, обучение политикам, динамические панельные и динамические модели выбора, матричное заполнение для контрфактуалов.
Agentic AI: разработка и оценка агентных систем, которые рассуждают, планируют и действуют автономно (использование инструментов, рассуждение с дополненной выборкой, управление памятью и целями, обучение на обратной связи).
Мультимодальные данные: опыт с большими визуально-языковыми моделями, слияние и выравнивание модальностей, мультимодальный поиск. Обработка и интеграция текста, изображений, видео, аудио и других источников.
Оптимизация и эффективность моделей: эффективность обучения и инференса, бенчмаркинг моделей, техники оптимизации.
ML-платформы и инфраструктура: проектирование и создание масштабируемых систем для разработки, обучения и развёртывания моделей, управление большими конвейерами данных и распределёнными вычислительными средами.
Общий ML-инжиниринг: реализация ML-решений в различных доменах, сквозные ML-пайплайны от экспериментов до деплоя.
Программирование: опыт на одном из языков: Python, Java, Scala или C/C++.
ML-фреймворки: знакомство с PyTorch, TensorFlow, Keras; опыт обучения на GPU.
Распределённое обучение: знакомство с парадигмами распределённого обучения и инференса (DDP, FSDP, HSDP, DeepSpeed).
Сквозные ML-пайплайны: понимание обучения и продакшн-деплоя, знакомство с проблемами объяснимости.
Личные качества: любознательность, самомотивация, интерес к решению открытых задач в Netflix.
Коммуникация: отличные устные и письменные навыки.
Будет плюсом
Комфортная работа с распределёнными вычислительными средами (Spark, Presto).
Знание лучших практик разработки ПО (система контроля версий, тестирование, код-ревью).
Как подать заявку (важно)
Чтобы заявка считалась полной:
После отправки на нашем карьерном сайте вы получите форму Airtable — её необходимо заполнить.
Приложите резюме или CV с полной контактной информацией (email, телефон, почтовый адрес), списком релевантных курсов и публикаций (если есть).
Добавьте краткое описание вашего исследовательского опыта и интересов, а также (по желанию) их связи с исследованиями Netflix. Для вдохновения посетите Netflix Research.
Заявки рассматриваются на постоянной основе (rolling basis). Рекомендуем подавать рано. Вакансия открыта до заполнения позиций.
Условия стажировки
Длительность: минимум 12 недель.
Даты старта (фиксированные): январь 2026 (зима), май или июнь 2026 (лето) — под разные учебные календари.
Локация: летние стажировки проходят в штаб-квартире в Лос-Гатосе, Калифорния; ограниченные возможности в Лос-Анджелесе или Нью-Йорке (в зависимости от команды).