Ang Appen ay bumubuo ng mga pundasyon ng datos na sumusuporta sa mga produkto at application ng artificial intelligence. Itinatag noong 1996, nagbibigay ang kumpanya ng mga serbisyong nasusukat sa buong siklo ng datos para sa AI, kabilang ang pangangalap ng datos, pag-aayos nito, fine-tuning ng modelo, at pagsubaybay. Pinagsasama ng kanilang gawain ang kadalubhasaan ng tao at AI upang matulungan ang mga negosyo na mas mahusay na magamit ang kanilang datos. Sa karanasan sa artificial intelligence, pagkonsulta, at marketing, sinusuportahan ng Appen ang mga organisasyong bumubuo at nagpapatupad ng mga teknolohiyang AI sa iba’t ibang industriya.
Inhinyero sa Pananaliksik ng Applied AI — Appen, India (Remote)
Sumali sa Appen bilang Inhinyero sa Pananaliksik ng Applied AI upang bumuo ng mga kapaligiran para sa reinforcement learning, LLM pipeline, at mga sistema ng pagsusuri para sa mga pandaigdigang programa ng AI training data. Lumikha ng mga reusable na asset sa pananaliksik para sa mga nangungunang laboratoryo at proyekto ng mga kliyente.
Paglalarawan
- Lumikha ng mga kapaligiran para sa reinforcement learning at mga ahente para sa mga aplikasyon ng kliyente at nangungunang laboratoryo, kabilang ang disenyo ng gawain, pagmamarka, at pagsusuri
- Bumuo ng mga benchmark at evaluation harness upang suriin ang kalidad ng modelo at datos batay sa katumpakan, katatagan, kaligtasan, latency, at gastos
- Bumuo ng mga LLM pipeline at agentic system para sa pananaliksik, pagsusuri, at mga pagsubok ng kliyente
- Magsagawa ng fine-tuning, adapter, at mga kaugnay na eksperimento sa modelo upang maunawaan kung paano naaapektuhan ng datos at mga pamamaraan ang pag-uugali ng modelo
- Mag-deploy ng mga lokal at self-hosted na modelo para sa pagsusuri, inference, at workflow automation
- Itala ang mga eksperimento, configuration, dataset, resulta, at mga kilalang limitasyon upang suportahan ang reproducible na gawain
- Makipagtulungan sa GenAI Research team at mga kasaping mula sa iba't ibang tungkulin upang gawing reusable na customer-engagement asset ang teknikal na gawain
Mga Kinakailangan
- Bachelor’s, master’s, o doctoral degree sa computer science, engineering, machine learning, o kaugnay na teknikal na disiplina
- Hindi bababa sa tatlong taong propesyonal na karanasan sa engineering o kaugnay na karanasan sa industriya sa AI/ML o software engineering
- Napatunayang kakayahan sa software engineering, kabilang ang karanasan sa paglikha ng maaasahan at madaling panatilihing AI system
- Praktikal na karanasan sa agentic system, reinforcement-learning environment, LLM pipeline, o katumbas na aplikasyon ng AI
- Karanasan sa paglikha ng evaluation harness, benchmark, o model-testing pipeline
- Kayang lutasin nang mag-isa ang mga teknikal na hamon at mabilis na gawing gumaganang solusyon ang mga tanong o ideya sa pananaliksik
- Malalim na kaalaman sa eksperimento, reproducibility, at teknikal na dokumentasyon
Mga Benepisyo
- Mga flexible na paraan ng pagtatrabaho
- Access sa mga tool, resource, at oportunidad sa pag-unlad na sumusuporta sa pagpapahusay ng kakayahan
- Pagkakataong harapin ang mga kumplikadong problema sa AI sa iba't ibang industriya at rehiyon
- Kolaboratibong kultura na nakasentro sa inobasyon, pananagutan, pag-uusisa, at kahusayan