En un coup d'œil
- Missions: Développez et optimisez des modèles vidéo de diffusion pour des applications en production.
- Entreprise: Lit8, une entreprise innovante spécialisée dans l'IA générative pour la vidéo.
- Avantages: Salaire attractif et environnement de travail dynamique axé sur l'excellence technique.
- Autres infos: Opportunités de croissance professionnelle dans un environnement de recherche rapide.
- Pourquoi ce job: Rejoignez-nous pour créer des systèmes d'IA vidéo qui ont un impact réel.
- Qualifications: Expérience solide en apprentissage automatique et modèles de diffusion vidéo.
Le salaire estimé est compris entre 61650 - 75350 € par an.
Lit8 develops generative AI systems for real-time video generation and enhancement . In this role, you will develop, train, optimize, and deploy advanced video generative models, with a focus on video diffusion models , temporal consistency, motion quality, controllability, and production-ready performance.
We are looking for someone with strong hands-on experience in machine learning and generative AI — especially someone who has trained and improved diffusion models in practice, including video diffusion systems.
Minimum Qualifications
Lit8 develops generative AI systems for real-time video generation and enhancement . In this role, you will develop, train, optimize, and deploy advanced video generative models, with a focus on video diffusion models , temporal consistency, motion quality, controllability, and production-ready performance.
We are looking for someone with strong hands-on experience in machine learning and generative AI — especially someone who has trained and improved diffusion models in practice, including video diffusion systems.
- At least
4 years of hands-on experience in machine learning or deep learning .
- At least
3 years of hands-on experience working with diffusion models , including training, fine-tuning, evaluating, or optimizing them.
- At least
2 years of hands-on experience working with video diffusion models or closely related video generative models.
- Strong experience with video generation, image-to-video, text-to-video, video-to-video, frame prediction, video enhancement, or related visual generation systems.
- Strong understanding of temporal consistency, motion quality, identity preservation, artifacts, flicker, and long-range video coherence.
- Experience with diffusion training and sampling, conditioning, guidance, latent-space generation, and generative model evaluation.
- Strong Python programming skills and hands-on experience with Py Torch or similar frameworks.
- Understanding of video quality evaluation, including perceptual quality, motion stability, artifacts, temporal consistency, FVD, LPIPS, SSIM, or similar metrics.
- Strong problem-solving, analytical, and communication skills.
- Preferred Qualifications
- Experience with autoregressive video models , video transformers, or hybrid AR/diffusion approaches.
- Experience with
GAN-based video or image generation models .
- Experience with large-scale video model training, distributed training, mixed precision, scalable data pipelines, and dataset curation.
- Experience with controllable video generation, video editing, interpolation, super-resolution, enhancement, or image-to-video workflows.
- Experience optimizing video generation models for real-time, low-latency, or production inference.
- Experience with model optimization techniques such as distillation, quantization, pruning, graph optimization, operator fusion, or hardware-aware tuning.
- Contributions to open-source ML, computer vision, video generation, or generative AI projects are a plus.
Key Responsibilities
Develop, train, and optimize video diffusion models for production use.
Improve video quality, temporal consistency, motion realism, controllability, and robustness.
Work on text-to-video, image-to-video, video-to-video, enhancement, interpolation, and related video generation workflows.
Debug and improve training pipelines, datasets, sampling strategies, and evaluation workflows.
Benchmark models across visual quality, motion quality, artifacts, latency, memory usage, and stability.
Collaborate with research, engineering, and product teams to integrate video generation models into production applications.
What We Offer
- The opportunity to work on advanced video generative AI systems with real product impact.
- A fast-moving, research-driven environment focused on technical excellence and ownership.
- Attractive salary.
- If you are passionate about video diffusion models, temporal generative modeling, and production-grade video AI systems, we’d love to hear from you.
- #J-18808-Ljbffr
Machine Learning Engineer – Video Diffusion Models employeur : LIT8
Lit8 est un employeur exceptionnel, offrant à ses employés l'opportunité de travailler sur des systèmes d'IA générative d'image avancés ayant un impact réel sur les produits. Dans un environnement dynamique et axé sur la recherche, nous valorisons l'excellence technique et l'autonomie, tout en proposant un salaire attractif et des opportunités de croissance professionnelle. Rejoindre notre équipe, c'est s'engager dans une culture de collaboration où chaque contribution compte et où l'innovation est au cœur de notre mission.
Conseils d'expert StudySmarter🤫
Voici comment nous pensons que tu pourrais décrocher Machine Learning Engineer – Video Diffusion Models
✨Participe à des meetups de data science
Les meetups de data science sont une super opportunité pour rencontrer des professionnels du secteur en personne. Participe à des événements dans ta ville et n'hésite pas à échanger sur des projets personnels ou des datasets intéressants. Cela peut vraiment t'aider à créer des connexions avec des recruteurs ou des collègues potentiels !
✨Montre tes compétences avec des projets
Rien ne vaut un bon projet pour démontrer tes compétences en data science. Que ce soit un projet sur GitHub ou un blog où tu partages tes analyses, mets en avant ton savoir-faire. Les employeurs adorent voir des exemples concrets de ce que tu sais faire !
✨Vis les forums spécialisés
Rejoins des forums et des communautés en ligne spécifiquement dédiés à la data science, comme Kaggle ou des sous-forums sur Reddit. Non seulement tu pourras apprendre des autres, mais tu seras aussi au courant des opportunités d'emploi qui sont souvent partagées dans ces espaces.
✨Postule directement sur le site de LIT8
N’oublie pas de consulter notre site web pour des offres de full-time en data science chez LIT8. C'est souvent là qu’on affiche nos postes en premier, et postuler directement peut te donner un avantage ! Fais-le !
Nous pensons qu'il te faut ces compétences pour exceller en tant que Machine Learning Engineer – Video Diffusion Models
Quelques conseils pour ta candidature 🫡
Mets en avant tes compétences techniques:Pour le poste de data scientist chez LIT8, il est crucial de montrer tes compétences techniques. Assure-toi que ton CV liste des outils et langages de programmation que tu maîtrises, comme Python, R, ou SQL. N'oublie pas d'inclure des projets où tu as utilisé ces compétences, comme des analyses de données ou des modèles prédictifs.
Fais briller tes expériences de projet:Parle de tes projets en data science de manière détaillée dans ta lettre de motivation ou ton CV. Décris les problèmes que tu as résolus, les méthodes que tu as employées, et les résultats obtenus. Ça montrera à LIT8 que tu sais appliquer la théorie à la pratique, ce qui est super important dans ce domaine.
Personnalise ta lettre de motivation:Quand tu rédiges ta lettre de motivation, mets l'accent sur pourquoi tu veux travailler spécifiquement chez LIT8. Mentionne ce qui te passionne dans leurs projets ou leurs valeurs, et comment tes aspirations s'alignent avec celles de l'entreprise. Ça donnera du poids à ta candidature !
Soigne le format de ton CV:Pour un poste à temps plein, il est essentiel d'avoir un CV clair et bien structuré. N'hésite pas à utiliser des graphiques pour illustrer tes compétences en data science, comme tes niveaux de maîtrise dans différents langages. Sinon, utilise des sections bien définies pour les projets, les expériences et les formations afin que tout soit facile à lire.
Comment te préparer à un entretien d'embauche chez LIT8
✨Prépare ton arsenal technique !
En data science, les compétences techniques sont primordiales. Sois prêt à répondre à des questions sur les algorithmes, la modélisation des données, et les langages de programmation comme Python ou R. N'hésite pas à réviser quelques concepts de machine learning et à pratiquer des analyses de données sur des jeux de données réels.
✨Montre ton portfolio
Pour un poste à temps plein, ce qui peut faire la différence, c’est un bon portfolio ! Prépare des projets clairs qui démontrent tes compétences en data science, comme des analyses que tu as réalisées ou des visualisations percutantes. Sois prêt à en discuter en profondeur pour prouver ta maîtrise technique.
✨Anticipe les études de cas
Les interviews en data science comportent souvent des études de cas où l'on te demande de résoudre un problème concret. Prépare-toi à décrire ta démarche pour analyser des données, définir des KPI ou même créer un modèle prédictif. Pratique avec des cas d’études donnés par des sites spécialisés ou lors de compétitions en ligne.
✨Comprends le business derrière les données
Au-delà des compétences techniques, les entreprises veulent savoir comment tu peux contribuer à leurs objectifs. Familiarise-toi avec les problématiques du secteur de LIT8 et sois prêt à discuter comment tes compétences peuvent répondre à leurs besoins spécifiques en data science.
