Research Scientist, Video & Multimodal

Vaga não está no LinkedIn

🕒 Setembro 24

🇺🇸 Estados Unidos – Remoto (EUA)

💵 $160.000 - $185.000 / ano

⏰ Tempo Integral

🟡 Pleno

🟠 Sênior

🧬 Cientista Pesquisador(a)

👻 Score fantasma 20%

O que significa: quão provável esta vaga está aberta sem contratação ativa.Como ler: 60% ou mais significa que achamos que é uma vaga fantasma. Pontuações mais baixas preocupam menos.Como pontuamos: tempo em aberto, republicações, vagas abertas vs tamanho do time, rapidez para fechar vagas, e se o salário está divulgado.Observação: é uma estimativa de dados públicos, não um julgamento da empresa. Vagas reais podem ter pontuação alta, então use como uma dica, não como um fato.

Candidatar-se

Encontrar Vagas Remotas Similares

Configurar Alerta de Email para Novas Vagas

📊 Verifique sua pontuação de currículo para esta vaga

Melhore suas chances de conseguir uma entrevista verificando sua pontuação de currículo antes de se candidatar.

Enviar Currículo

InnoData

SiteLinkedInTodas as Vagas

2 - 10 funcionários

Fundada em 2019

🤝 B2B

💼 Consultoria

🌍 Impacto Social

B2B • Consulting • Social Impact

InnoData é uma cooperativa social italiana denominada INNOvation DATA SCS, com sede em Foggia, que se identifica como fornecedora de soluções tecnológicas. O site da empresa (atualmente em manutenção) destaca "Soluzioni tecnologiche" (soluções tecnológicas) e enfatiza o impacto social ("Impatto sociale"). Os dados de contato listados incluem Via Francesco Crispi 65, 71121 Foggia, Itália. Com base nas informações disponíveis, a InnoData parece operar na interseção entre tecnologia e impacto social, provavelmente oferecendo serviços focados em tecnologia para outras organizações.

Descrição

• Partner directly with customers and frontier labs building video understanding, video-language, and video-generation models • Define how video data is designed, structured, and evaluated for video and multimodal models • Translate model requirements into data specifications covering modalities, annotation schemas, sampling, and evaluation criteria • Build evaluation methodologies for video understanding, including temporal grounding, long-context reasoning, multi-turn, cross-modal, and retrieval-and-grounding evaluation • Build evaluation methodologies for video generation, including fidelity, temporal coherence, and physical plausibility • Decide how video is structured, enriched, and sampled, including messy, domain-specific footage • Run experiments and ablations connecting data choices to measurable model improvements • Design adversarial and stumping evaluations to identify system failures and improve data • Publish benchmarks, methodology, and papers • Work with annotation teams, subject-matter experts, and synthetic-data pipelines on collection and labeling plans

🎯 Requisitos

• Roughly 5+ years of hands-on industry experience in video understanding or multimodal ML • A Bachelor's degree in computer science, electrical engineering, or a related technical or quantitative field is required • An advanced degree (MS or PhD) in a relevant field is preferred • Trained and evaluated video or multimodal models, with strong PyTorch fundamentals • Fluency in ffmpeg and decord pipelines, temporal and COCO-style annotation, WebDataset, Parquet and Arrow, and HuggingFace datasets • Experience fine-tuning large video or vision-language models with HuggingFace transformers, PEFT, and efficient inference • Experience with long-form video, streaming, temporal segmentation, or synthetic video generation • Experience building evaluation sets, calibrating difficulty, and defining quality video data for objectives • First-author publications or strong open-source contributions at venues such as CVPR, ICCV, ECCV, NeurIPS, or ICLR • Ability to work with research scientists and explain data and modeling decisions clearly to expert and non-expert audiences • Rigorous, reproducible approach to experiments and documentation • Interest or hands-on experience in responsible-AI evaluation and red-teaming is a bonus