[NAVER LABS Co., Ltd.] Robotics ML Research Engineer ခန့်အပ်ခြင်း

네이버랩스(주) · 경기 성남시 분당구 정자일로 95

✨အလုပ်တာဝန်များ - ကြီးမားသည့် မัลတီမိုဒယ် ရိုဘော့ဒေတာများအတွက် ဒေတာနှင့် ML পাইပလိုင်း ဒီဇိုင်းရေးဆွဲခြင်း·တည်ဆောက်ခြင်း - Robotics Foundation Model, VLA/VLM, World Model, Robot Policy စသည်တို့ကဲ့သို့ နောက်မျိုးဆက် ရိုဘော့တစ် AI မော်ဒယ်များကို သုတေသန·ဖွံ့ဖြိုးတည်ဆောက်ခြင်း - Data Mixture, Data Sampling, Curriculum Learning, Training Recipe စသည့် ဒေတာနှင့် သင်ကြားမှု မဟာဗျူဟာများကို အကောင်းဆုံးဖြစ်အောင် ပြုလုပ်ခြင်း - Cloud / Kubernetes / Distributed System အခြေခံ ကြီးမားသော သင်ကြားမှု စနစ် တည်ဆောက်ခြင်း - တကယ့် ရိုဘော့များနှင့် Simulation ပတ်ဝန်းကျင်များတွင် မော်ဒယ်ကို အကဲဖြတ်ပြီး ရလဒ်များကို ဒေတာ·မော်ဒယ် တိုးတက်မှုနှင့် ချိတ်ဆက်ခြင်း - Benchmark, Evaluation Pipeline, Research Tool ဖွံ့ဖြိုးတည်ဆောက်ခြင်း ✅လျှောက်ထားရန် အရည်အချင်း - အတွေ့အကြုံ မလိုအပ်(အသစ်တက်ရောက်သူနှင့် အတွေ့အကြုံရှိသူ နှစ်မျိုးလုံး လျှောက်ထားနိုင်၊ ယခုနှစ်အတွင်း ဝင်ရောက်နိုင်သူ) - ကွန်ပျူတာသိပ္ပံ၊ Machine Learning၊ Robotics သို့မဟုတ် ဆက်စပ်နယ်ပယ်များတွင် မဟာတန်း·ပါရဂူဘွဲ့ ရရှိထားသူ သို့မဟုတ် ထိုနှင့်ညီမျှသော လက်တွေ့အလုပ်အတွေ့အကြုံရှိသူ - ရိုဘော့တစ် AI နှင့် ကြီးမားသည့် ML System များကို End-to-End အမြင်ဖြင့် နားလည်ပြီး ပြဿနာများကို ဖြေရှင်းနိုင်စွမ်းရှိသူ - Machine Learning ၏ ဒေတာ–သင်ကြားမှု–အကဲဖြတ်မှု–တင်ဆက်မှု လုပ်ငန်းစဉ် တစ်ခုလုံးကို နားလည်ထားသူ - Python အခြေပြု ထုတ်လုပ်မှုအဆင့် Software ဖွံ့ဖြိုးရေး အတွေ့အကြုံရှိသူ - အောက်ပါနယ်ပယ်များထဲမှ 1 ခု သို့မဟုတ် ထို့ထက်ပို၍ အတွေ့အကြုံရှိသူ - Robotics Foundation Model / VLA / VLM / World Model - Robot Policy Learning / Imitation Learning / Reinforcement Learning - Data Engineering / Distributed Training / ML System / MLOps - Multimodal Robot Data / Simulation / Robot Evaluation - Cloud / Kubernetes အခြေပြု ML Infrastructure 💖ဦးစားပေး အရည်အချင်း - Robotics Foundation Model ကို သင်ကြားဖူးသော အတွေ့အကြုံ - တကယ့် ရိုဘော့ဒေတာကို အသုံးပြု၍ Pre-training သို့မဟုတ် Post-training အတွေ့အကြုံ - Data-centric ML နှင့် ကြီးမားသည့် Multimodal / Robot Data ကို ကိုင်တွယ်သုံးစွဲသည့် အတွေ့အကြုံ - Distributed Training နှင့် ML Platform တည်ဆောက်·လည်ပတ် အတွေ့အကြုံ - တကယ့် ရိုဘော့ သို့မဟုတ် Simulation အခြေပြု End-to-End Evaluation အတွေ့အကြုံ - ဆက်စပ်နယ်ပယ်များရှိ နိုင်ငံတကာ သုတေသနလှုပ်ရှားမှု အတွေ့အကြုံ(CVPR, ICCV, ECCV, NeurIPS, ICML, ICLR, CoRL, ICRA, IROS, RSS, SIGGRAPH စသည်) - နိုင်ငံတော်အာဇာနည်နှင့် မသန်စွမ်းသူ စသည့် အလုပ်အကိုင်ကာကွယ်ပေးခံရသူများအား ဦးစားပေး 🏠အလုပ်နေရာ - Gyeonggi-do, Seongnam-si, Bundang-gu, Jeongjail-ro 95, 18th floor (Jeongja-dong, 1784 building) - Gyeonggi-do, Seongnam-si (1784 building) ⚡️ရွေးချယ်မှု လုပ်ငန်းစဉ် - စာရွက်စာတမ်း စိစစ်ခြင်း - ကြိုတင်အကဲဖြတ်ခြင်း(코딩테스트, ဖုန်းအင်တာဗျူး, Culture Fit စစ်ဆေးမှု ပါဝင်) - ပထမအကြိမ် အင်တာဗျူး - ဒုတိယအကြိမ် အင်တာဗျူး - လစာ/အကျိုးခံစားခွင့် ညှိနှိုင်းခြင်း/အလုပ်ဝင်စစ်ဆေးမှု - အလုပ်ဝင်ရောက်ခြင်း 👉ခေါ်ယူကာလ/နည်းလမ်း - လျှောက်လွှာကာလ: 2026.10.30 ~ 2026.11.08 (23:59) - လျှောက်လွှာတင်နည်း: ဝဘ်ဆိုက်မှ လျှောက်ထားရန် 📋အခြား - ရွေးချယ်မှု လုပ်ငန်းစဉ်များသည် အချိန်ဇယားနှင့် အခြေအနေများအရ ပြောင်းလဲနိုင်သည် - လျှောက်လွှာအကြောင်းအရာတွင် မမှန်ကန်သော အချက်အလက်ရှိပါက အောင်မြင်မှုကို ပယ်ဖျက်နိုင်သည် - အစမ်းခန့်ကာလအတွင်း ယှဉ်ပြိုင်မှုတားမြစ်မှုဆိုင်ရာ တရားစွဲဆိုမှု တင်သွင်းလာပါက အောင်မြင်မှုကို ပယ်ဖျက်နိုင်သည် - စာရွက်စာတမ်း စိစစ်အောင်မြင်သူများအားသာ အင်တာဗျူးအချိန်ဇယားကို တစ်ဦးချင်း အသိပေးမည် - ဤခေါ်ယူမှုသည် လိုအပ်သည့် အရည်အချင်းရှိသူ ရွေးချယ်ပြီးသည်နှင့် ကြေညာချက်ပိတ်သိမ်းမည် - မေးမြန်းလိုပါက LABS ခေါ်ယူရေး ဝဘ်ဆိုက်၏ လျှောက်လွှာမေးမြန်းမှုမှတစ်ဆင့် ဆက်သွယ်ပါ - တင်သွင်းထားသော လျှောက်လွှာကို ဝင်ရောက်ပြီး My page - လျှောက်လွှာအခြေအနေတွင် ကြည့်ရှုနိုင်ပြီး၊ ကြေညာချက်ပိတ်မီနှင့် စာရွက်စာတမ်းအကဲဖြတ်မတိုင်မီ ပြင်ဆင်ခြင်းနှင့် လျှောက်လွှာရုပ်သိမ်းခြင်း လုပ်နိုင်သည် - ကြေညာချက်ပိတ်ချိန်တွင် လျှောက်ထားသူများ စုဝေးနိုင်သဖြင့် ဖြစ်နိုင်သမျှ ပိတ်ချိန်ကိုရှောင်၍ နောက်ဆုံးတင်သွင်းရန် အကြံပြုသည် - လျှောက်လွှာကို ပုံမှန်အတိုင်း လက်ခံပြီးပါက နောက်ဆုံးမျက်နှာပြင်တွင် လက်ခံပြီးကြောင်း မက်ဆေ့ချ် ပြသမည်