Sciforium
Sciforium
11 – 50 Medarbejdere
APIHardwareKunstig intelligens
Sciforium er en virksomhed inden for AI-infrastruktur, der udvikler serverløse værktøjer til multimodale produktionsapplikationer. Dens samlede, OpenAI-kompatible API giver teams adgang til tekst-, billed-, video- og lydtjenester samt modelhosting, et modelbibliotek, evalueringspipelines i realtid og administrerede agentimplementeringer. Sciforium driver vertikalt integreret AMD GPU-hardware med fokus på at hjælpe teams med at udvikle, evaluere og implementere AI-systemer med forudsigelig ydeevne, lavere omkostninger og større privatliv.

Dataingeniør for grundmodeller

Byg prætrænings- og eftertræningsdatasæt i petabyteskala til Sciforiums multimodale AI-modeller. Udvikl højtydende datapipelines til træning i sprog, billeder og video.

Beskrivelse

  • Byg prætræningsdatasæt til store sprogmodeller fra start til slut.
  • Udvælg og afbalancér data fra web, kode, bøger og tekniske artikler for at forbedre modellernes efterfølgende ydeevne.
  • Opret pipelines til at rense, deduplikere og udtrække signaler fra petabytes af ustrukturerede data.
  • Led udviklingen af datasæt til eftertræning, herunder instruktioner til supervised fine-tuning, dialoger med flere turtagninger og præferencedata til RLHF/DPO.
  • Overvåg indsamling og behandling af billed- og videodata.
  • Skriv Python-scripts til databehandling med høj gennemstrømning ved hjælp af multiprocessing og multithreading.
  • Analysér træningskorpora statistisk for at afdække bias, videnshuller og fald i datakvaliteten.
  • Byg pipelines til syntetiske data, der udfylder huller i naturligt indsamlede datasæt.
  • Håndtér udfordringer med multimodal tilpasning, videokomprimering og temporal konsistens.

Krav

  • Mindst fem års brancheerfaring inden for datavidenskab eller maskinlæring.
  • Dokumenteret erfaring med at bygge og administrere datasæt til grundmodeller.
  • Avancerede Python-færdigheder, herunder multiprocessing, multithreading og effektiv hukommelsesstyring.
  • Erfaring med datasæt i petabyteskala til store sprog- eller billedmodeller i produktion.
  • Erfaring med at opbygge store LLM-træningsdatasæt fra bunden ved hjælp af rå webcrawl-data og specialiserede domænedata.
  • Praktisk erfaring med at bygge datasæt til RLHF, DPO og instruktionsfølgning med flere turtagninger.
  • Erfaring med at administrere arbejdsgange for menneskelig mærkning og datasæt af høj kvalitet med guldstandardmærkninger.
  • Stærke kompetencer inden for Spark, Ray, WebDataset, Parquet eller tilsvarende frameworks og formater til data i stor skala.
  • Erfaring med at bygge store billed- eller vide datasæt fra bunden er en fordel.
  • Kendskab til multimodal crawling, videobehandling, codecs og komprimering er en fordel.
  • Erfaring med at designe komplekse mærkningsskemaer til benchmarks inden for ræsonnement, programmering og matematik er en fordel.
  • En kandidat- eller ph.d.-grad inden for et kvantitativt fag med fokus på datacentreret AI eller informationssøgning er en fordel.
  • Juridisk tilladelse til at arbejde i USA.

Fordele

  • Sundheds-, tandlæge- og synsdækning.
  • 401(k)-ordning.
  • Frokost, snacks og drikkevarer hver dag.
  • Fleksibel ferie.
  • Konkurrencedygtig løn.
  • Aktier.

Relaterede job

Verana Health

Senior/Staff Backend Engineer, platform og dataindlæsning

Verana Health

Byg og skaler tjenester til klinisk dataindlæsning, OCR, OpenSearch og onkologiplatformen hos Verana Health. Design API'er, ETL-pipelines og mikrotjenester, der understøtter sundhedsindsigt baseret på virkelige data.

Åbn
Berkshire Hathaway Homestate Companies - Workers Compensation Division

Senior manager for dataplatformsteknik

Berkshire Hathaway Homestate Companies - Workers Compensation Division
501 – 1.000 Medarbejdere
B2BFinansForsikring

Led virksomhedens fælles dataplatform, ingeniørteam og drift på tværs af Azure, SQL, NoSQL og analyse. Rollen omfatter pålidelighed, automatisering, compliance og platformsstrategi.

Åbn
Berkshire Hathaway Homestate Companies - Workers Compensation Division

Seniorleder for dataplatformsteknik

Berkshire Hathaway Homestate Companies - Workers Compensation Division
501 – 1.000 Medarbejdere
B2BFinansForsikring

Led teamet for dataplatformsteknik, der understøtter Berkshire Hathaway Homestate Companies’ forsikringsdrift. Rollen omfatter database- og analyseplatforme, cloudinfrastruktur, automatisering, driftssikkerhed og personaleledelse.

Åbn