Snorkel AI izstrādā ekspertu datu risinājumus mašīnmācīšanās komandām. Tās Expert Data-as-a-Service platforma palīdz organizācijām izveidot un novērtēt augstas kvalitātes apmācības datu kopas, veicinot ātrāku modeļu izstrādi un uzticamākas mākslīgā intelekta lietotnes. Uzņēmums, kas 2019. gadā tika dibināts, balstoties uz Stenfordā veiktajiem pētījumiem, sadarbojas ar konsultāciju, veselības aprūpes un loģistikas jomu organizācijām, lai attīstītu praktiskas mākslīgā intelekta sistēmas.
Lietišķā mākslīgā intelekta vadošais inženieris, uzņēmumu MI risinājumi
Vadi uz klientiem orientētus ģeneratīvā mākslīgā intelekta un mašīnmācīšanās projektus uzņēmumā Snorkel AI — no darba apjoma noteikšanas un datu izpētes līdz ieviešanai. Veido RAG sistēmas, aģentiskas darbplūsmas, novērtēšanas ietvarus un atkārtoti izmantojamus rīkus uzņēmumu lietotnēm.
Apraksts
- Sadarbojies ar klientiem, lai noteiktu, izstrādātu un ieviestu ģeneratīvā mākslīgā intelekta un mašīnmācīšanās risinājumus.
- Izstrādā pielāgotas pieejas, izmantojot progresīvus MI rīkus, un vienlaikus piedalies Snorkel AI platformas un rīku veidošanā.
- Veido lietišķā MI sistēmas, piemēram, ar izguvi papildinātas ģenerēšanas lietotnes, precīzās pielāgošanas konveijerus, uzvedņu izstrādes metodes un aģentiskas darbplūsmas.
- Izveido papildinātas reālās pasaules datu kopas un robustus novērtēšanas procesus, kas uzlabo uzticamību, pārredzamību un ieinteresēto personu uzticēšanos.
- Veido un uzturi attiecības ar klientu vadītājiem un citām svarīgām ieinteresētajām personām.
- Sadarbojies ar pirms-pārdošanas risinājumu un produktu komandām, lai izprastu klientu vajadzības, noteiktu ceļveža prioritātes un plānotu projektus.
- Standartizē veiksmīgus risinājumus un kopā ar citiem lietišķā MI inženieriem stiprini iekšējos rīkus un praksi.
- Izskaidro ieinteresētajām personām Snorkel AI kvantitatīvās iespējas, metodoloģiskos kompromisus un atbilstošos lietošanas gadījumus.
- Nodod produktu komandām klientu atsauksmes par jaunām MI metodēm un datu zinātnes darbplūsmām.
- Vadi seminārus, kas palīdz klientiem izmantot un izprast nodrošinātos risinājumus.
- Izpēti un pielieto vadošās ģeneratīvā MI un mašīnmācīšanās metodes klientu problēmu risināšanai.
Prasības
- Bakalaura grāds kvantitatīvā disciplīnā, piemēram, datorzinātnē, inženierzinātnē, matemātikā vai statistikā, vai līdzvērtīga izglītība un pieredze.
- Vismaz trīs gadu pieredze darbā ar klientiem, izstrādājot un ieviešot MI vai mašīnmācīšanās risinājumus.
- Pārvaldīt Python un ievērot labu programmatūras inženierijas praksi, tostarp modulāru arhitektūru, testēšanu, profilēšanu un pakotņu veidošanu.
- Pieredze ar mūsdienīgiem Python rīkiem un bibliotēkām, piemēram, pydantic, mypy, pytest, poetry, FastAPI, msgspec, Ray un Airflow.
- Padziļinātas zināšanas visā lietišķā MI tehnoloģiju stekā, tostarp scikit-learn, PyTorch, Hugging Face Transformers, FAISS, pandas, Spark, Chroma, Weaviate, sintētisko datu kopu kurēšanā, novērtēšanas darbplūsmās, LLM orķestrēšanā, LlamaIndex, LangGraph un CrewAI.
- Pierādīta spēja vadīt stratēģiskus klientu projektus un sadarboties ar biznesa ieinteresētajām personām, lai sasniegtu veiksmīgus mašīnmācīšanās rezultātus.
- Spēcīga interese par mācīšanu, iespēju nodrošināšanu un zināšanu apmaiņu.
- Teicamas prezentēšanas prasmes gan tehniskām, gan vadības auditorijām.
- Spēja darboties strauji mainīgā vidē un pārvaldīt prioritātes vairākos projektos.
- Gatavība ceļot līdz 25 procentiem gadā.
Priekšrocības
- Kapitāldaļas ir iekļautas katrā piedāvājumā.
- Iespējas veidot prioritātes, vadīt iniciatīvas un ietekmēt svarīgus stratēģiskus lēmumus.
- Vairāki veidi, kā padziļināt tehniskās zināšanas, attīstīt līderību un veidot prasmes dažādās funkcijās.
- Karjeras atbalsts darba vietā, kas koncentrējas uz izaugsmi, mācīšanos un kopīgiem panākumiem.
- Pretendentiem un darbiniekiem ar invaliditāti visā pieteikšanās, intervijas un nodarbinātības procesā ir pieejami saprātīgi pielāgojumi.