Gen yra pasaulinė vartotojų technologijų bendrovė, veikianti kibernetinio saugumo, skaitmeninio privatumo, tapatybės apsaugos ir finansinės gerovės srityse. Naudodama tokius prekių ženklus kaip „Norton“, „Avast“, „LifeLock“ ir „MoneyLion“, ji padeda žmonėms apsaugoti savo įrenginius, tapatybę, asmeninę informaciją ir finansus. Įmonės produktai apima grėsmių aptikimą, reagavimą į duomenų saugumo pažeidimus, internetinio privatumo įrankius, bankininkystės funkcijas ir per „Engine“ teikiamas integruoto finansavimo paslaugas. Gen taip pat investuoja į dirbtiniu intelektu grindžiamą saugumą ir „Gen AI Foundry“, kuri daugiausia dėmesio skiria pasitikėjimo naujomis dirbtinio intelekto taikomosiomis programomis kūrimui. Įmonė aptarnauja beveik 500 milijonų naudotojų daugiau nei 150 šalių, o jos būstinės yra Prahoje ir Tempe.
Vyresnysis taikomųjų dirbtinio intelekto tyrimų vadovas – Praha, hibridinis darbas
Vadovauk „Gen“ taikomųjų dirbtinio intelekto tyrimams, apimantiems kalbos modelius, pastiprinamąjį mokymąsi, kompiuterinę regą ir susijusius metodus kibernetinio saugumo produktams. Vadovauk tyrimų inžinieriams ir perkelk modelius iš eksperimentų į gamybą pasauliniu mastu.
Aprašymas
- Vadovauk praktinėms taikomojo dirbtinio intelekto iniciatyvoms, apimančioms mažus kalbos modelius, pastiprinamąjį mokymąsi, agentinį dirbtinį intelektą, kompiuterinę regą ir klasikinį mašininį mokymąsi
- Priimk sprendimus dėl architektūros, modeliavimo ir parengimo naudoti gamyboje
- Vadovauk, kuruok ir ugdyk 3–5 tyrimų inžinierių komandą, vykdydamas atranką, rezultatų valdymą, karjeros ugdymą ir techninį mokymą
- Užtikrink, kad komanda būtų suderinta, neblokuojama ir orientuota į išmatuojamus rezultatus
- Kurk naujų metodų prototipus, tobulink modelių sprendinius ir padėk šalinti GPU klasteriuose vykdomų mokymo procesų triktis
- Apibrėžk ir palaikyk tyrimų bei inžinerijos kokybės standartus
- Prižiūrėk visą taikomojo dirbtinio intelekto gyvavimo ciklą – nuo problemos apibrėžimo ir duomenų strategijos iki mokymo, koregavimo, vertinimo, diegimo, stebėsenos ir nuolatinio tobulinimo
- Vadovauk modelių pristatymui į gamybą ir bendradarbiauk su Platform, MLOps bei Product Engineering komandomis
- Paversk verslo ir saugumo prioritetus aiškiai išdėstyta taikomojo dirbtinio intelekto veiksmų seka
- Paaiškink kompromisus vyresniajai vadovybei ir teik ataskaitas apie pristatymą, modelių našumą bei poveikį
- Kurk komandos praktikas eksperimentams sekti, modeliams vertinti, atkuriamumui, kodo peržiūrai ir atsakingam dirbtiniam intelektui
- Dalyvauk pokalbiuose su samdančiu vadovu, AI Research Lab, produkto, suinteresuotųjų šalių ir vadovybės atstovais
Reikalavimai
- Kompiuterių mokslo, mašininio mokymosi, matematikos ar susijusios kiekybinės krypties magistro arba daktaro laipsnis arba lygiavertė praktinė patirtis, rodanti gilias gilaus mokymosi žinias
- Ne mažesnė kaip 5 metų praktinė patirtis kuriant ir diegiant mašininio mokymosi bei gilaus mokymosi sistemas gamyboje
- 2–3+ metų patirtis vadovaujant ar administruojant nedidelę ML arba tyrimų inžinierių komandą, įskaitant techninį vadovavimą, pristatymą, atranką ir darbuotojų ugdymą keliose taikomojo dirbtinio intelekto srityse
- Gilus praktinis kelių taikomojo dirbtinio intelekto sričių išmanymas, įskaitant transformeriais paremtus mažus kalbos modelius, pastiprinamąjį mokymąsi, pavyzdžiui, PPO, DQN ir Actor-Critic variantus, agentines arba įrankius naudojančias LLM sistemas, kompiuterinę regą ar klasikinį mašininį mokymąsi
- Gebėjimas kiekvienai problemai parinkti tinkamą techninį metodą
- Puikūs Python ir PyTorch įgūdžiai; JAX arba TensorFlow patirtis būtų privalumas
- Patirtis mokant ir koreguojant modelius kelių GPU klasteriuose naudojant DeepSpeed, FSDP arba Hugging Face Accelerate
- Tvirtos tiesinės algebros, optimizavimo, tikimybių ir statistikos žinios
- Gebėjimas interpretuoti, įvertinti ir įgyvendinti naujausiuose tyrimų straipsniuose aprašytus metodus
- Įrodyta sėkmė perkeliant dirbtinio intelekto modelius į gamybą, įskaitant duomenų grandines, vertinimo sistemas, kvantavimą ar glaudinimą, išvadų optimizavimą, konteinerius, Kubernetes, debesijos platformas ir stebėseną po diegimo
- Patirtis su MLOps ir eksperimentų valdymo įrankiais, tokiais kaip Weights & Biases, MLflow ar panašiomis platformomis
- Patirtis su CI/CD, kodo peržiūra ir stebėsenos praktikomis
- Gebėjimas vadovauti nedidelei techninei komandai nustatant kryptį, rengiant 1:1 pokalbius, teikiant grįžtamąjį ryšį, samdant inžinierius ir neaiškias verslo problemas paverčiant diegiamomis dirbtinio intelekto sistemomis
- Sklandi anglų kalba
- Praktiškas techninio vadovavimo požiūris ir noras išlikti arti kodo, modelių bei gamybos sistemų
- Žaidėjo-trenerio požiūris
- Stiprus dėmesys modelių pristatymui, diegimui ir matavimui gamyboje
- Geras sprendimas vertinant taikomojo dirbtinio intelekto galimybes
- Aiškūs komunikacijos įgūdžiai sudėtingas ML sąvokas paverčiant sprendimais ir kompromisais
- Gebėjimas veiksmingai dirbti sparčioje, neapibrėžtoje ir aukštųjų technologijų aplinkoje, valdant sudėtingus tarpfunkcinius iššūkius
- Publikacijos pirmaujančiose ML konferencijose, kibernetinio saugumo, privatumo ar tapatybės patirtis bei JAX arba TensorFlow išmanymas būtų privalumas
Privalumai
- Lankstus darbo organizavimas
- Apmokamas laisvas laikas
- Konkurencingas atlygis
- Darbuotojų naudos
- Gerovės programos
- Palaikymas, ištekliai ir priemonės geriems rezultatams bei karjeros ugdymui