Snorkel AI
Snorkel AI
Snorkel AI راهکارهای تخصصی داده را برای تیم‌های یادگیری ماشین توسعه می‌دهد. پلتفرم Expert Data-as-a-Service این شرکت به سازمان‌ها کمک می‌کند مجموعه‌داده‌های آموزشی باکیفیت ایجاد و ارزیابی کنند؛ در نتیجه، توسعه مدل سریع‌تر و برنامه‌های کاربردی هوش مصنوعی قابل‌اعتمادتر می‌شوند. این شرکت که در سال ۲۰۱۹ بر پایه پژوهش‌های دانشگاه استنفورد تأسیس شد، با سازمان‌هایی در حوزه‌های مشاوره، مراقبت‌های سلامت و لجستیک همکاری می‌کند تا سامانه‌های عملی هوش مصنوعی را پیش ببرد.

مهندس ارشد نرم‌افزار هوش مصنوعی و یادگیری ماشین در Snorkel AI (هیبریدی)

مهندس ارشد/استاف یادگیری ماشین برای بهبود ارزیابی عامل‌ها، مسیریابی مدل و سامانه‌های مدل‌های تنظیم‌دقیق‌شده. زیرساخت داده هوش مصنوعی دقیق و قابل اتکا برای مشتریان سازمانی Snorkel AI بسازید.

توضیحات

  • سرعت، هزینه و دقت تولید و ارزیابی داده‌های هوش مصنوعی پیشرفته را با ML و AI بهبود دهید
  • بررسی کنید داده‌های هم‌سطح پیشرفته چگونه تولید و ارزیابی می‌شوند
  • فرضیه‌هایی ایجاد کنید و آن‌ها را با داده‌های واقعی تولید آزمایش کنید
  • روش‌هایی را که نتایج قدرتمندی نشان می‌دهند در مقیاس بزرگ اجرا کنید
  • با نمونه‌گیری تطبیقی، توقف زودهنگام مبتنی بر آمار، آبشار مدل‌ها، کش‌کردن و دروازه‌بانی با اولویت مدل ارزان، هزینه ارزیابی عامل‌های بلندمدت را کاهش دهید
  • درخواست‌های ارزیابی و داوری را به کم‌هزینه‌ترین مدلی هدایت کنید که استانداردهای کیفیت را برآورده می‌کند، همراه با جایگزین‌ها، پایش و تخصیص هزینه
  • مدل‌های دارای وزن باز را با LoRA و دیگر روش‌های کارآمد از نظر پارامتر تنظیم‌دقیق و مستقر کنید
  • پیش از عرضه، مدل‌هایی برای پیش‌بینی دشواری کار در سامانه‌های پیشرفته توسعه دهید
  • مجموعه‌داده‌های طلایی ایجاد کنید و دقت و کالیبراسیون سامانه‌های LLM-as-judge را بسنجید
  • نمونه‌های اولیه پژوهشی را به مؤلفه‌های قابل استفاده مجدد و قابل پیکربندی برای مهندسان و پژوهشگران تولید تبدیل کنید
  • به تعریف استانداردهای مهندسی ML، تعیین جهت این حوزه و پشتیبانی از تیم در حال گسترش کمک کنید

شرایط لازم

  • حداقل پنج سال تجربه در ساخت سامانه‌های یادگیری ماشین یا نرم‌افزار تولیدی، با مسئولیت از نمونه اولیه تا تولید
  • تجربه عملی در اجرای بارهای کاری LLM یا ML در محیط تولید
  • توانایی استدلال مؤثر درباره سامانه‌های غیرقطعی
  • پایه قوی در آمار و آزمایش، شامل طراحی آزمایش، آزمون فرضیه، نمونه‌گیری و فاصله‌های اطمینان
  • مهارت پیشرفته در Python و مهندسی نرم‌افزار، شامل آزمون، بازبینی کد و طراحی سامانه
  • تجربه در ایجاد ارزیابی‌ها و تفسیر دقیق نتایج آن‌ها
  • شناسایی پیش‌دستانه مسائل پراهمیت پیش از آنکه به‌طور رسمی واگذار شوند
  • ارتباط روشن میان تیم‌های پژوهش، مهندسی و کسب‌وکار

مزایا

  • فرصت‌های معنادار برای اثرگذاری بر اولویت‌ها و ابتکارها
  • امکان اظهار نظر در تصمیم‌های مهم راهبردی
  • مشارکت مستقیم در موفقیت مستمر Snorkel AI
  • فرصت‌هایی برای افزایش عمق فنی
  • فرصت‌های رهبری
  • امکان توسعه مهارت‌ها در چندین حوزه کاری
  • پشتیبانی از رشد شغلی در محیطی رشدگرا که بر یادگیری و موفقیت مشترک تمرکز دارد
  • فراهم‌کردن تسهیلات معقول برای متقاضیان و کارکنان دارای معلولیت در فرایندهای درخواست و مصاحبه، انجام کار و دسترسی به مزایا و امتیازهای شغلی