A Thomson Reuters megbízható tartalmakat, adatokat és technológiákat fejleszt a jogi szolgáltatások, az adózás és könyvelés, a nemzetközi kereskedelem, a kockázatkezelés, a biztosítás, a tanácsadás és a globális hírszolgáltatás területén dolgozó szakemberek számára. Portfóliójába jogi kutatási platformok, adózási és könyvelési szoftverek, megfelelőségi és szabályozási eszközök, valamint a Reuters médiaszolgáltatásai tartoznak. A Thomson Reuters a szakterületi szakértelmet a generatív mesterséges intelligenciába irányuló beruházásokkal ötvözve segíti az ügyvédi irodákat, vállalatokat, adószakértőket és médiaszervezeteket az összetett információk kezelésében, a munkafolyamatok egyszerűsítésében és a megalapozottabb döntéshozatalban.
Senior gépi tanulási mérnök, NLP és LLM – hibrid
Éles környezetben működő NLP- és nagy nyelvi modellrendszereket fejleszthet a Thomson Reuters jogi intelligenciát támogató termékeihez. Az összetett jogi dokumentumokat skálázható, megbízható AI-képességekkel alakíthatja hasznosítható információvá.
Leírás
- Összetett jogi dokumentumokból és adatokból hasznos információkat kinyerő, éles környezetben működő gépi tanulási és nagy nyelvi modellrendszerek létrehozása és bevezetése
- A szerződéses nyelvvel, információkinyeréssel, modellalapú elemzéssel és dokumentum-összehasonlítással kapcsolatos NLP-kihívások kezelése
- Gépi tanulási és LLM-alapú modellek és rendszerek tervezése, fejlesztése, tanítása és bevezetése
- Éles környezetben használható képességek biztosítása információkinyeréshez, szöveggeneráláshoz és összefoglaláshoz, AI-ügynökökhöz, kereséshez és dokumentumelemzéshez
- Megbízható, skálázható folyamatok létrehozása a modelltréninghez, -értékeléshez, -bevezetéshez és a folyamatos éles működtetéshez
- A modellminőséget, pontosságot, megbízhatóságot, driftet és az esetleges torzítást lefedő értékelési keretrendszerek és mérőszámok kialakítása
- A modell teljesítményének és erőforrás-hatékonyságának javítása kísérletezéssel, jellemzőmérnökséggel, modellkiválasztással és hangolással
- Az üzleti és termékigények gépi tanulási megoldásokká alakítása a kezdeti kísérletezéstől az éles méretezésig
- Együttműködés gépi tanulási, mérnöki, termék-, jogi, adat- és biztonsági csapatokkal
- Az érzékeny információk védelme megbízható AI-képességek biztosítása mellett
Követelmények
- Gépi tanulásra vagy mesterséges intelligenciára összpontosító gépi tanulási, számítástechnikai, statisztikai vagy kapcsolódó kvantitatív tudományterületen szerzett mesterfokozat
- Legalább három év szakmai tapasztalat gépi tanulási mérnökként, alkalmazott gépi tanulási területen, kutatómérnökként vagy szorosan kapcsolódó szoftvermérnöki munkakörben
- Gyakorlati tapasztalat éles környezetben működő gépi tanulási modellek felépítésében, tanításában és bevezetésében
- A gépi tanulás, a természetesnyelv-feldolgozás és a korszerű nagy nyelvi modell-architektúrák erős alkalmazott ismerete
- Információkinyerésben, szöveggenerálásban vagy összefoglalásban, AI-ügynökökben vagy keresésben szerzett tapasztalat
- Haladó szintű Python-programozási készség
- Gyakorlati tapasztalat a PyTorch vagy TensorFlow használatában
- Tapasztalat nyelvi modellek vagy más gépi tanulási modellek fejlesztésében vagy finomhangolásában speciális alkalmazásokhoz vagy szakterületekhez
- Tapasztalat modellértékelési módszerek és mérőszámok tervezésében és használatában
- Képesség a termék- vagy üzleti igények gépi tanulási megoldásokká alakítására, valamint a műszaki döntések, kompromisszumok és eredmények magyarázatára
- Erős problémamegoldó, együttműködési és felelősségvállalási készség
- Előny: PhD gépi tanulás, számítástechnika, statisztika vagy kapcsolódó kvantitatív tudományterületen
- Előny: ML- vagy LLM-rendszerek nagy léptékű bevezetésében és működtetésében szerzett tapasztalat
- Előny: Jogi technológiai, jogi NLP-, jogidokumentum-elemzési vagy szakterület-specifikus nyelvimodellezési háttér
- Előny: Pénzügyi szolgáltatásokban, közgazdaságtanban vagy szabályozott, illetve adatérzékeny iparágakban szerzett tapasztalat
- Előny: LLM-ek kiszolgálásában vagy saját infrastruktúrán történő üzemeltetésében, valamint a számítási hatékonyság javításában szerzett tapasztalat
- Előny: Összetett ML-kezdeményezések vezetésében szerzett tapasztalat a kutatástól vagy kísérletezéstől a mérhető eredményeket hozó éles működésig
Juttatások
- Rugalmas hibrid munkavégzés irodai munkakörökben
- Évente legfeljebb nyolc hét távoli munkavégzés a világ bármely pontjáról
- Rugalmas szabadságolási szabályzat
- Évente két, a vállalat egészére kiterjedő mentális egészségnap
- Hozzáférés a Headspace alkalmazáshoz
- Nyugdíj-megtakarítási lehetőségek
- Tandíj-visszatérítés
- Munkavállalói ösztönzőprogramok
- A mentális, fizikai és pénzügyi jóllétet támogató erőforrások
- Évente két fizetett önkéntes nap
- Lehetőség pro bono tanácsadási projektekben való részvételre
- Egészség-, fogászati, látás-, rokkantsági és életbiztosítási programok
- Munkáltatói hozzájárulással működő 401(k)-terv
- Fizetett betegszabadság és biztonsági szabadság
- Fizetett ünnepnapok, köztük két vállalati mentális egészségnap
- Szülői szabadság
- Sabbatical szabadság
- Választható kórházi, baleset- és betegségbiztosítás
- Választható élet- és baleseti halálra, valamint baleseti csonkolásra szóló biztosítás
- Rugalmas költési számlák és egészségmegtakarítási számlák
- Fitneszköltség-térítés
- Munkavállalói Támogatási Program
- Csoportos jogi segítségnyújtás és személyazonosság-lopás elleni védelem
- Hozzáférés 529-es megtakarítási tervhez
- Munkába járási juttatások
- Örökbefogadási és béranyasági támogatás
- Munkavállalói részvényvásárlási terv
- Várható jogosultság éves bónuszra a vállalati és egyéni teljesítmény alapján