Giotto.ai ist ein Schweizer Unternehmen für künstliche Intelligenz, das souveräne Reasoning-Technologie für den Einsatz in Unternehmen entwickelt. Das Angebot kombiniert Giotto 1, ein auf hohe Schlussfolgerungsfähigkeit ausgelegtes Modell, das auf einer einzigen GPU betrieben werden kann, mit einem KI-Betriebssystem, das einen Assistenten, Dokumenten- und Code-Tools, Integrationen, Agenten und Monitoring vereint. Organisationen können über Giottos europäische Cloud auf die Plattform zugreifen, sie auf privaten GPUs bereitstellen oder zertifizierte Giotto-Ready-Hardware-Appliances nutzen. Das Unternehmen konzentriert sich darauf, regulierten und technisch ausgerichteten Teams mehr Kontrolle über Datenresidenz, Infrastruktur und private KI-Bereitstellungen zu geben.
Junior-KI-Forscher bei Giotto.ai — Hybrid, Lausanne
Schließen Sie sich Giotto.ai als Junior-KI-Forscher in einer hybriden Position in Lausanne an. Trainieren und bewerten Sie fortschrittliche Modelle, entwickeln Sie Benchmarks und helfen Sie dabei, Forschungsideen in produktionsreife KI-Systeme zu überführen.
Beschreibung
- Aktuelle KI-Forschung prüfen und relevante Ideen in praktische Experimente überführen
- Transformer-basierte Modelle trainieren, feinabstimmen und bewerten
- Forschung zu Schlussfolgerungen, synthetischen Daten, Modellanpassung und Evaluation unterstützen
- Benchmarks erstellen und die Leistungs- und Fehlermuster von Modellen untersuchen
- Möglichkeiten zur Verbesserung von Trainingsdaten, Zielfunktionen, Prompts und Inferenzstrategien testen
- Klare und reproduzierbare Forschungssoftware entwickeln
- Experimente, Erkenntnisse und Schlussfolgerungen dokumentieren
- Mit Forschungs-, Engineering- und Produktteams zusammenarbeiten
- Verstehen, wie fortschrittliche Forschung in produktionsreife KI-Systeme überführt wird
Anforderungen
- Abgeschlossenes oder fast abgeschlossenes Masterstudium in Informatik, künstlicher Intelligenz, maschinellem Lernen, Mathematik, Physik oder einer anderen quantitativen Fachrichtung
- Fundierte Kenntnisse in maschinellem Lernen und Deep Learning
- Praktische Erfahrung mit Python und PyTorch aus akademischen Projekten, einer Abschlussarbeit, Forschung oder einem Praktikum
- Grundkenntnisse in Transformer-Architekturen und großen Sprachmodellen
- Verständnis von Wahrscheinlichkeit, Statistik, linearer Algebra und Optimierung
- Fähigkeit, Forschungspapiere zu verstehen und die darin vorgeschlagenen Methoden umzusetzen
- Intellektuelle Neugier, analytische Fähigkeiten und Motivation zum Lernen
- Gute Kommunikationsfähigkeiten und eine kooperative Arbeitsweise
- Erfahrung mit Hugging Face Transformers oder Datasets
- Masterarbeit mit Schwerpunkt auf LLMs, Schlussfolgerungen, multimodalem Lernen, Reinforcement Learning, Interpretierbarkeit oder generativer KI
- Erfahrung mit Modell-Feinabstimmung, LoRA/PEFT, synthetischen Daten oder Evaluations-Workflows
- Forschungspublikationen, Open-Source-Arbeiten oder relevante persönliche Projekte
- Vertrautheit mit GPUs, Plattformen zur Experimentverfolgung oder Cloud-Infrastruktur
Zusatzleistungen
- Hybrides Arbeitsmodell
- Regelmäßige Zusammenarbeit im Team am Lausanner Standort