Capital One est une entreprise de services financiers et de technologie financière qui propose des cartes de crédit, des prêts automobiles ainsi que des produits bancaires et d’épargne. Son activité associe expertise financière, technologie et outils numériques pour améliorer la manière dont les clients gèrent leur argent. Les carrières au sein de l’entreprise sont axées sur la création de solutions centrées sur les clients, dans un environnement de travail diversifié et inclusif.
Chercheur appliqué 4, fondements de l’IA et garde-fous multimodaux
Faites progresser les garde-fous multimodaux et les modèles fondamentaux d’IA pour les expériences bancaires de Capital One. Dirigez des recherches, de l’expérimentation jusqu’à la mise en production.
Description
- Collaborer avec des scientifiques des données, des ingénieurs logiciels, des ingénieurs en apprentissage automatique et des responsables produit pour développer des produits alimentés par l’IA
- Utiliser PyTorch, AWS Ultraclusters, Hugging Face, Lightning et des technologies connexes pour analyser des données numériques et textuelles à grande échelle
- Concevoir, entraîner, évaluer, valider et mettre en œuvre des modèles fondamentaux d’IA
- Mener des recherches appliquées qui font progresser les capacités de l’IA pour les expériences client de nouvelle génération
- Transformer des recherches complexes et des travaux techniques en objectifs commerciaux mesurables
- Travailler avec des chercheurs seniors sur des rapports techniques et des soumissions à des conférences portant sur des méthodes et des résultats novateurs
Exigences
- Préparer ou détenir un doctorat en génie électrique, génie informatique, informatique, IA, mathématiques ou dans un domaine connexe à la date de début prévue; ou, à défaut, détenir un master dans l’un de ces domaines et 2 ans d’expérience en recherche appliquée
- Maîtrise approfondie des méthodologies d’IA
- Expérience dans le développement de grands modèles d’apprentissage profond pour le langage, les images, les événements ou les graphes
- Expertise dans au moins l’un des domaines suivants: optimisation de l’entraînement, apprentissage auto-supervisé, robustesse, explicabilité ou RLHF
- Capacité démontrée à fournir des modèles à grande échelle pour les données d’entraînement et les charges d’inférence
- Expérience de contribution à des bibliothèques, du code de plateforme ou du code de solution pour des produits existants
- Parcours de contributions de haute qualité en apprentissage automatique, notamment des publications en tant que premier auteur ou des projets comparables
- Capacité à définir et à poursuivre un programme de recherche tout en gérant de manière autonome des projets à long terme
- Expérience pratique de la création de modèles fondamentaux et de solutions d’IA avec des outils open source et des plateformes cloud
- Souhaité: doctorat dans une discipline technique connexe
- Souhaité: doctorat axé sur le TAL pour les LLM ou master complété par 5 ans d’expérience en recherche industrielle sur le TAL
- Souhaité: publications sur le pré-entraînement de grands modèles de langage, la théorie de l’apprentissage profond ou des conférences d’IA reconnues
- Souhaité: expérience de l’entraînement à partir de zéro d’un grand modèle de langage de plus de 10 milliards de paramètres et 500 milliards de tokens
- Souhaité: expérience de la parcimonie des modèles, de la quantification, du parallélisme d’entraînement, du checkpointing des gradients ou de la compression des modèles
- Souhaité: expérience de l’optimisation de l’entraînement de modèles dépassant 10 milliards de paramètres
- Souhaité: connaissances avancées des algorithmes d’apprentissage profond ou de la conception d’optimiseurs
- Souhaité: expérience de la conception de compilateurs
- Souhaité: expérience de l’ajustement fin supervisé, de l’ajustement des instructions, de l’ajustement fin des dialogues ou de l’ajustement des paramètres
- Souhaité: connaissances en apprentissage par transfert, adaptation des modèles et guidage des modèles
- Souhaité: expérience du déploiement de grands modèles de langage ajustés
- Souhaité: capacité à reproduire et à étendre des recherches en IA évaluées par des pairs avec des frameworks open source modernes
- Souhaité: expérience de la conception d’expériences contrôlées et de la documentation des résultats de reproductibilité
Avantages
- La rémunération variable fondée sur la performance peut inclure des primes en espèces et/ou des incitations à long terme
- Une gamme étendue de prestations compétitives et inclusives en matière de santé, de finances et autres, conçues pour favoriser le bien-être général
- Le parrainage de l’autorisation de travail peut être envisagé pour une personne candidate nouvellement qualifiée