Giotto.ai — кәсіпорындарға арналған егеменді пайымдау технологиясын әзірлейтін швейцариялық жасанды интеллект компаниясы. Оның шешімі бір графикалық процессорда жұмыс істеуге арналған, пайымдау қабілеті жоғары Giotto 1 моделін ассистентті, құжаттармен және кодпен жұмыс істеу құралдарын, интеграцияларды, агенттерді және мониторингті біріктіретін жасанды интеллект операциялық жүйесімен ұштастырады. Ұйымдар платформаға Giotto-ның еуропалық бұлты арқылы қол жеткізе алады, оны жеке GPU-ларға орналастыра алады немесе Giotto-ға дайын сертификатталған аппараттық құрылғыларды пайдалана алады. Компания реттелетін салалардағы және техникалық командаларға деректердің орналасуы, инфрақұрылым және жеке жасанды интеллект орналастырулары үстінен көбірек бақылау беруге бағытталған.
Junior AI Researcher at Giotto.ai — Hybrid, Lausanne
Join Giotto.ai as a Junior AI Researcher in a hybrid Lausanne role. Train and evaluate advanced models, develop benchmarks, and help turn research ideas into production-ready AI systems.
Сипаттама
- Review current AI research and turn relevant ideas into practical experiments
- Train, fine-tune, and assess Transformer-based models
- Support research on reasoning, synthetic data, model adaptation, and evaluation
- Create benchmarks and investigate model performance and failure patterns
- Test ways to improve training data, objectives, prompts, and inference strategies
- Develop clear, reproducible research software
- Record experiments, findings, and conclusions
- Work with research, engineering, and product teams
- Build understanding of how advanced research becomes production-ready AI systems
Талаптар
- Completed or nearly completed a master’s degree in computer science, artificial intelligence, machine learning, mathematics, physics, or another quantitative discipline
- Strong foundation in machine learning and deep learning
- Hands-on Python and PyTorch experience from academic projects, a thesis, research, or an internship
- Working knowledge of Transformer architectures and large language models
- Understanding of probability, statistics, linear algebra, and optimization
- Ability to interpret research papers and implement their proposed methods
- Intellectual curiosity, analytical ability, and motivation to learn
- Effective communication and a collaborative approach
- Experience with Hugging Face Transformers or Datasets
- A master’s thesis focused on LLMs, reasoning, multimodal learning, reinforcement learning, interpretability, or generative AI
- Experience with model fine-tuning, LoRA/PEFT, synthetic data, or evaluation workflows
- Research publications, open-source work, or relevant personal projects
- Familiarity with GPUs, experiment-tracking platforms, or cloud infrastructure
Артықшылықтар
- Hybrid work arrangement
- Regular team collaboration at the Lausanne office