Giotto.ai es una empresa suiza de inteligencia artificial que desarrolla tecnología de razonamiento soberano para uso empresarial. Su oferta combina Giotto 1, un modelo de alto razonamiento diseñado para funcionar en una sola GPU, con un sistema operativo de IA que reúne un asistente, herramientas para documentos y código, integraciones, agentes y supervisión. Las organizaciones pueden acceder a la plataforma a través de la nube europea de Giotto, implementarla en GPU privadas o utilizar dispositivos de hardware certificados y preparados para Giotto. La empresa se centra en proporcionar a los equipos regulados y técnicos un mayor control sobre la residencia de los datos, la infraestructura y las implementaciones privadas de IA.
Investigador junior de IA en Giotto.ai — Híbrido, Lausana
Únete a Giotto.ai como investigador junior de IA en un puesto híbrido en Lausana. Entrena y evalúa modelos avanzados, desarrolla benchmarks y ayuda a convertir ideas de investigación en sistemas de IA listos para producción.
Descripción
- Revisar la investigación actual en IA y convertir las ideas pertinentes en experimentos prácticos
- Entrenar, ajustar y evaluar modelos basados en Transformers
- Apoyar la investigación sobre razonamiento, datos sintéticos, adaptación de modelos y evaluación
- Crear benchmarks e investigar el rendimiento de los modelos y sus patrones de fallos
- Probar formas de mejorar los datos de entrenamiento, los objetivos, los prompts y las estrategias de inferencia
- Desarrollar software de investigación claro y reproducible
- Registrar experimentos, hallazgos y conclusiones
- Trabajar con los equipos de investigación, ingeniería y producto
- Comprender cómo la investigación avanzada se convierte en sistemas de IA listos para producción
Requisitos
- Máster en informática, inteligencia artificial, aprendizaje automático, matemáticas, física u otra disciplina cuantitativa, completado o a punto de completarse
- Sólida base en aprendizaje automático y aprendizaje profundo
- Experiencia práctica con Python y PyTorch adquirida en proyectos académicos, una tesis, investigación o prácticas
- Conocimientos prácticos de arquitecturas Transformer y modelos de lenguaje de gran tamaño
- Comprensión de probabilidad, estadística, álgebra lineal y optimización
- Capacidad para interpretar artículos de investigación e implementar los métodos propuestos
- Curiosidad intelectual, capacidad analítica y motivación para aprender
- Comunicación eficaz y actitud colaborativa
- Experiencia con Hugging Face Transformers o Datasets
- Tesis de máster centrada en LLM, razonamiento, aprendizaje multimodal, aprendizaje por refuerzo, interpretabilidad o IA generativa
- Experiencia con ajuste de modelos, LoRA/PEFT, datos sintéticos o flujos de trabajo de evaluación
- Publicaciones de investigación, trabajo de código abierto o proyectos personales relevantes
- Familiaridad con GPU, plataformas de seguimiento de experimentos o infraestructura en la nube
Beneficios
- Modalidad de trabajo híbrida
- Colaboración periódica del equipo en la oficina de Lausana