Giotto.ai er en schweizisk virksomhed inden for kunstig intelligens, der udvikler suveræn ræsonneringsteknologi til erhvervsbrug. Tilbuddet kombinerer Giotto 1, en model med avancerede ræsonneringsevner, der er designet til at køre på én GPU, med et AI-operativsystem, der samler en assistent, værktøjer til dokumenter og kode, integrationer, agenter og overvågning. Organisationer kan få adgang til platformen via Giottos europæiske cloud, implementere den på private GPU'er eller bruge certificerede Giotto-klare hardwareapparater. Virksomheden fokuserer på at give regulerede og tekniske teams større kontrol over dataresidens, infrastruktur og private AI-implementeringer.
Junior AI-forsker hos Giotto.ai — hybridarbejde i Lausanne
Bliv junior AI-forsker hos Giotto.ai i en hybridrolle i Lausanne. Træn og evaluer avancerede modeller, udvikl benchmarks, og hjælp med at omsætte forskningsidéer til produktionsklare AI-systemer.
Beskrivelse
- Gennemgå aktuel AI-forskning, og omsæt relevante idéer til praktiske eksperimenter
- Træn, finjuster og evaluer Transformer-baserede modeller
- Understøt forskning inden for ræsonnering, syntetiske data, modeltilpasning og evaluering
- Skab benchmarks, og undersøg modellers ydeevne og fejlkategorier
- Test metoder til at forbedre træningsdata, målfunktioner, prompts og inferensstrategier
- Udvikl tydelig og reproducerbar forskningssoftware
- Dokumenter eksperimenter, resultater og konklusioner
- Arbejd sammen med forsknings-, engineering- og produktteams
- Opbyg forståelse for, hvordan avanceret forskning bliver til produktionsklare AI-systemer
Krav
- Gennemført eller næsten gennemført kandidatuddannelse i datalogi, kunstig intelligens, machine learning, matematik, fysik eller en anden kvantitativ disciplin
- Stærkt fundament inden for machine learning og deep learning
- Praktisk erfaring med Python og PyTorch fra akademiske projekter, speciale, forskning eller praktik
- Godt kendskab til Transformer-arkitekturer og store sprogmodeller
- Forståelse for sandsynlighedsregning, statistik, lineær algebra og optimering
- Evne til at fortolke forskningsartikler og implementere de foreslåede metoder
- Intellektuel nysgerrighed, analytiske evner og motivation for at lære
- Gode kommunikationsevner og en samarbejdsorienteret tilgang
- Erfaring med Hugging Face Transformers eller Datasets
- Et speciale med fokus på LLM'er, ræsonnering, multimodal læring, reinforcement learning, fortolkelighed eller generativ AI
- Erfaring med model-finjustering, LoRA/PEFT, syntetiske data eller evalueringsworkflows
- Forskningspublikationer, open source-arbejde eller relevante personlige projekter
- Kendskab til GPU'er, platforme til eksperimenttracking eller cloud-infrastruktur
Fordele
- Hybrid arbejdsordning
- Regelmæssigt teamsamarbejde på kontoret i Lausanne