A Snorkel AI szakértői adatszolgáltatási megoldásokat fejleszt gépi tanulással foglalkozó csapatok számára. Szakértői adatok szolgáltatásként platformja segít a szervezeteknek kiváló minőségű tanítási adathalmazok létrehozásában és értékelésében, ezáltal támogatva a gyorsabb modellfejlesztést és a megbízhatóbb mesterségesintelligencia-alkalmazásokat. A Stanfordon végzett kutatásokból 2019-ben alapított vállalat a gyakorlati mesterségesintelligencia-rendszerek fejlesztése érdekében tanácsadási, egészségügyi és logisztikai területen működő szervezetekkel dolgozik.
Vezető mesterségesintelligencia- és gépitanulásiszoftver-mérnök a Snorkel AI-nál (hibrid)
Senior/staff szintű gépi tanulási mérnök, aki a Snorkel AI vállalati ügyfelei számára fejleszti az ügynökértékelést, a modellirányítást és a finomhangolt modellrendszereket. Megbízható AI-adatinfrastruktúrát épít.
Egyesült Államok
Kalifornia208 000 $ – 315 000 $ / év
HibridTeljes munkaidőSzeniorKötelező Nyelv: angolGépi tanulási mérnökMI-mérnökLeírás
- A legkorszerűbb AI-adatok előállításának és értékelésének sebességét, költségét és alaposságát javítani gépi tanulással és mesterséges intelligenciával
- Vizsgálni, hogyan állítják elő és értékelik a legkorszerűbb rendszerekhez szükséges adatokat
- Hipotéziseket kidolgozni és valódi éles adatokon tesztelni őket
- Skálázni a jó eredményeket felmutató megközelítéseket
- Csökkenteni a hosszú távú ügynökértékelés költségeit adaptív mintavételezéssel, statisztikailag megalapozott korai leállítással, modellkaszkádokkal, gyorsítótárazással és az olcsó modelleket előnyben részesítő kapuzással
- Az értékelési és bírói kéréseket a minőségi követelményeknek megfelelő legolcsóbb modellhez irányítani, tartalékmegoldásokkal, monitorozással és költség-hozzárendeléssel
- Nyílt súlyú modelleket finomhangolni és üzembe helyezni LoRA-val és más paraméterhatékony technikákkal
- A feladatok nehézségét az éles bevezetés előtt előrejelző modelleket fejleszteni a legkorszerűbb rendszerekhez
- Arany adatkészleteket létrehozni, valamint mérni az LLM-as-judge rendszerek pontosságát és kalibráltságát
- Kutatási prototípusokat az éles rendszereken dolgozó mérnökök és kutatók számára újrafelhasználható, konfigurálható komponensekké alakítani
- Segíteni a gépitanulás-mérnöki szabványok meghatározását, irányt mutatni a szakterület fejlődésének és támogatni a bővülő csapatot
Követelmények
- Legalább öt év tapasztalat éles gépitanulási vagy szoftverrendszerek fejlesztésében, a prototípustól az éles bevezetésig terjedő felelősséggel
- Gyakorlati tapasztalat LLM- vagy gépitanulási-munkaterhelések éles környezetben történő működtetésében
- Képesség nemdeterminisztikus rendszerek hatékony elemzésére
- Erős statisztikai és kísérlettervezési alapok, beleértve a kísérlettervezést, hipotézisvizsgálatot, mintavételezést és konfidenciaintervallumokat
- Haladó Python- és szoftverfejlesztési készségek, beleértve a tesztelést, a kódreview-t és a rendszertervezést
- Tapasztalat értékelések készítésében és eredményeik szigorú értelmezésében
- Nagy hatású problémák proaktív felismerése még azok hivatalos kijelölése előtt
- Egyértelmű kommunikáció kutatási, mérnöki és üzleti csapatok között
Juttatások
- Érdemi lehetőségek a prioritások és kezdeményezések befolyásolására
- Lehetőség a fontos stratégiai döntésekben való részvételre
- Közvetlen hozzájárulás a Snorkel AI folyamatos sikeréhez
- Lehetőségek a technikai mélység bővítésére
- Lehetőségek vezetői szerep vállalására
- Lehetőségek több funkcionális területen készségek fejlesztésére
- Karrierfejlesztési támogatás tanulásra és közös sikerre összpontosító, növekedésorientált környezetben
- Ésszerű alkalmazkodási lehetőségek a fogyatékossággal élő pályázók és munkavállalók számára a jelentkezési és interjúfolyamatok, a munkavégzés, valamint a foglalkoztatási juttatásokhoz és jogosultságokhoz való hozzáférés során