Sciforium
Sciforium
Sciforium est une entreprise d’infrastructure d’intelligence artificielle qui développe des outils serverless pour les applications multimodales en production. Son API unifiée compatible avec OpenAI donne aux équipes accès à des services de texte, d’image, de vidéo et d’audio, ainsi qu’à l’hébergement de modèles, une bibliothèque de modèles, des pipelines d’évaluation en temps réel et des déploiements d’agents gérés. Sciforium exploite du matériel GPU AMD intégré verticalement, afin d’aider les équipes à développer, évaluer et déployer des systèmes d’IA avec des performances prévisibles, des coûts réduits et une meilleure confidentialité.

Ingénieur·e de données pour modèles de fondation

Constituez des jeux de données à l’échelle du pétaoctet pour le préentraînement et le post-entraînement des modèles d’IA multimodaux de Sciforium. Développez des pipelines de données performants pour entraîner des modèles de langage, de vision et vidéo.

Description

  • Constituez de bout en bout des jeux de données de préentraînement pour de grands modèles de langage.
  • Sélectionnez et équilibrez des données issues du Web, du code, de livres et d’articles techniques afin d’améliorer les performances ultérieures des modèles.
  • Créez des pipelines pour nettoyer, dédupliquer et extraire des informations de pétaoctets de données non structurées.
  • Dirigez le développement de jeux de données de post-entraînement, notamment des instructions de réglage fin supervisé, des dialogues à plusieurs tours et des données de préférences RLHF/DPO.
  • Supervisez l’acquisition et le traitement de données de vision et vidéo.
  • Écrivez des scripts Python de traitement de données à haut débit utilisant le multiprocessing et le multithreading.
  • Analysez statistiquement les corpus d’entraînement afin de repérer les biais, les lacunes de connaissances et les régressions de qualité.
  • Créez des pipelines de données synthétiques pour combler les lacunes des jeux de données collectés naturellement.
  • Relevez les défis d’alignement multimodal, de compression vidéo et de cohérence temporelle.

Exigences

  • Au moins cinq ans d’expérience professionnelle en science des données ou en apprentissage automatique.
  • Expérience avérée dans la création et la gestion de jeux de données pour des modèles de fondation.
  • Maîtrise avancée de Python, notamment du multiprocessing, du multithreading et de la gestion efficace de la mémoire.
  • Expérience du traitement de jeux de données à l’échelle du pétaoctet pour de grands modèles de langage ou de vision en production.
  • Expérience dans la création de grands jeux de données d’entraînement pour LLM à partir de zéro, à l’aide de collectes Web brutes et de données spécialisées par domaine.
  • Expérience pratique de la création de jeux de données pour RLHF, DPO et le suivi d’instructions à plusieurs tours.
  • Expérience dans la gestion de flux de travail d’annotation humaine et de jeux de données de référence de haute qualité.
  • Bonne maîtrise de Spark, Ray, WebDataset, Parquet ou de frameworks et formats comparables pour le traitement de données à grande échelle.
  • Une expérience dans la création de grands jeux de données d’images ou de vidéos à partir de zéro est un plus.
  • La connaissance du crawling multimodal, du traitement vidéo, des codecs et de la compression est un plus.
  • Une expérience dans la conception de schémas d’annotation complexes pour des benchmarks de raisonnement, de programmation et de mathématiques est un plus.
  • Un master ou un doctorat dans un domaine quantitatif axé sur l’IA centrée sur les données ou la recherche d’information est un plus.
  • Autorisation légale de travailler aux États-Unis.

Avantages

  • Couverture médicale, dentaire et ophtalmologique.
  • Plan 401(k).
  • Déjeuner, collations et boissons chaque jour.
  • Congés flexibles.
  • Rémunération compétitive.
  • Participation au capital.

Offres similaires

Cardinal Health

Responsable de l’ingénierie des données chez Cardinal Health

Cardinal Health

Dirigez des équipes de transformation des données d’entreprise chez Cardinal Health et supervisez les plateformes Google Cloud ainsi que les opérations d’analyse et d’IA/ML. Pilotez les livraisons, l’amélioration des plateformes et le développement des talents.

Ouvrir
Verana Health

Ingénieur backend senior ou staff, plateforme et ingestion de données

Verana Health

Développez et faites évoluer l’ingestion de données cliniques, l’OCR, OpenSearch et les services de la plateforme d’oncologie chez Verana Health. Concevez des API, des pipelines ETL et des microservices qui contribuent à mieux comprendre les soins de santé en conditions réelles.

Ouvrir
Berkshire Hathaway Homestate Companies - Workers Compensation Division

Responsable senior de l’ingénierie des plateformes de données

Berkshire Hathaway Homestate Companies - Workers Compensation Division
501 – 1 000 Employés
AssuranceB2BFinance

Piloter la plateforme de données d’entreprise, l’équipe d’ingénierie et les opérations d’une compagnie d’assurance sur Azure, SQL, NoSQL et l’analytique. Le poste couvre la fiabilité, l’automatisation, la conformité et la stratégie de plateforme.

Ouvrir
Berkshire Hathaway Homestate Companies - Workers Compensation Division

Responsable senior de l’ingénierie des plateformes de données

Berkshire Hathaway Homestate Companies - Workers Compensation Division
501 – 1 000 Employés
AssuranceB2BFinance

Dirigez l’équipe d’ingénierie des plateformes de données qui soutient les activités d’assurance de Berkshire Hathaway Homestate Companies. Le poste couvre les bases de données et les plateformes analytiques, l’infrastructure cloud, l’automatisation, la fiabilité et la gestion d’équipe.

Ouvrir