Gen ir globāls patērētāju tehnoloģiju uzņēmums, kas darbojas kiberdrošības, digitālās privātuma aizsardzības, identitātes aizsardzības un finansiālās labklājības jomā. Izmantojot tādus zīmolus kā Norton, Avast, LifeLock un MoneyLion, tas palīdz cilvēkiem aizsargāt savas ierīces, identitāti, personas informāciju un finanses. Uzņēmuma produkti ietver draudu noteikšanu, reaģēšanu uz datu drošības pārkāpumiem, tiešsaistes privātuma rīkus, banku funkcijas un ar Engine starpniecību nodrošinātus iegultās finanšu pakalpojumus. Gen investē arī mākslīgā intelekta vadītā drošībā un Gen AI Foundry, kas koncentrējas uz uzticības veidošanu jauniem mākslīgā intelekta lietojumiem. Uzņēmums apkalpo gandrīz 500 miljonus lietotāju vairāk nekā 150 valstīs, un tā divas galvenās mītnes atrodas Prāgā un Tempe.
Vecākais lietišķā mākslīgā intelekta pētniecības vadītājs – Prāga, hibrīddarbs
Vadi Gen lietišķā mākslīgā intelekta pētniecību valodas modeļu, pastiprinātas mācīšanās, datorredzes un saistītu metožu jomā kiberdrošības produktiem. Vadi pētniecības inženierus un ievies modeļus no eksperimentiem ražošanā globālā mērogā.
Apraksts
- Vadi praktiskas lietišķā mākslīgā intelekta iniciatīvas, kas aptver mazus valodas modeļus, pastiprinātu mācīšanos, aģentisku mākslīgo intelektu, datorredzi un klasisko mašīnmācīšanos
- Pieņem lēmumus par arhitektūru, modelēšanu un ieviešanu ražošanā
- Vadi, mentorē un attīsti 3–5 pētniecības inženieru komandu, veicot atlasi, snieguma vadību, karjeras attīstību un tehnisko apmācību
- Nodrošini, lai komanda būtu saskaņota, bez šķēršļiem un koncentrētos uz izmērāmiem rezultātiem
- Veido jaunu pieeju prototipus, pilnveido modeļu risinājumus un atbalsti GPU klasteros veikto apmācības procesu atkļūdošanu
- Definē un uzturi pētniecības un inženierijas kvalitātes standartus
- Pārraugi visu lietišķā mākslīgā intelekta dzīves ciklu – no problēmas definēšanas un datu stratēģijas līdz apmācībai, precīzai pielāgošanai, novērtēšanai, ieviešanai, uzraudzībai un pastāvīgai uzlabošanai
- Vadi modeļu ieviešanu ražošanā un sadarbojies ar Platform, MLOps un Product Engineering komandām
- Pārvērt biznesa un drošības prioritātes skaidri secīgā lietišķā mākslīgā intelekta ceļvedī
- Izskaidro kompromisus augstākajai vadībai un ziņo par piegādi, modeļu veiktspēju un ietekmi
- Veido komandas praksi eksperimentu izsekošanai, modeļu novērtēšanai, reproducējamībai, koda pārskatīšanai un atbildīgam mākslīgajam intelektam
- Piedalies intervijās ar darbā pieņemšanas vadītāju, AI Research Lab, produktu komandu, ieinteresētajām personām un vadību
Prasības
- Maģistra vai doktora grāds datorzinātnēs, mašīnmācīšanās, matemātikā vai saistītā kvantitatīvā disciplīnā, vai līdzvērtīga praktiskā pieredze, kas apliecina padziļinātas dziļās mācīšanās zināšanas
- Vismaz 5 gadu praktiska pieredze mašīnmācīšanās un dziļās mācīšanās sistēmu izstrādē un ieviešanā ražošanā
- 2–3+ gadu pieredze nelielas ML vai pētniecības inženieru komandas vadīšanā vai pārvaldīšanā, tostarp tehniskā virzība, piegāde, atlase un cilvēku attīstība vairākās lietišķā mākslīgā intelekta jomās
- Padziļināta praktiskā kompetence vairākās lietišķā mākslīgā intelekta jomās, tostarp transformatoru arhitektūrā balstītos mazos valodas modeļos, pastiprinātā mācīšanās pieejās, piemēram, PPO, DQN un Actor-Critic variantos, aģentiskās vai rīkus izmantojošās LLM sistēmās, datorredzē vai klasiskajā mašīnmācīšanās
- Spēja katrai problēmai piemeklēt atbilstošu tehnisko pieeju
- Teicamas Python un PyTorch prasmes; JAX vai TensorFlow pieredze būs priekšrocība
- Pieredze modeļu apmācībā un precīzā pielāgošanā vairāku GPU klasteros, izmantojot DeepSpeed, FSDP vai Hugging Face Accelerate
- Labas lineārās algebras, optimizācijas, varbūtību teorijas un statistikas zināšanas
- Spēja interpretēt, novērtēt un ieviest jaunāko pētniecisko publikāciju metodes
- Pierādīti panākumi mākslīgā intelekta modeļu ieviešanā ražošanā, tostarp datu konveijeri, novērtēšanas ietvari, kvantizācija vai saspiešana, secināšanas optimizācija, konteineri, Kubernetes, mākoņplatformas un uzraudzība pēc ieviešanas
- Pieredze ar MLOps un eksperimentu pārvaldības rīkiem, piemēram, Weights & Biases, MLflow vai salīdzināmām platformām
- Pieredze ar CI/CD, koda pārskatīšanu un uzraudzības praksi
- Spēja vadīt nelielu tehnisko komandu, nosakot virzienu, rīkojot 1:1 sarunas, sniedzot atgriezenisko saiti, pieņemot darbā inženierus un pārvēršot neskaidras biznesa problēmas ieviešamās mākslīgā intelekta sistēmās
- Brīvi pārvaldīta angļu valoda
- Praktiska tehniskās vadības pieeja un vēlme palikt tuvu kodam, modeļiem un ražošanas sistēmām
- Spēlētāja-trenera domāšana
- Spēcīga koncentrēšanās uz modeļu piegādi, ieviešanu un mērīšanu ražošanā
- Labs spriedums, novērtējot lietišķā mākslīgā intelekta iespējas
- Skaidras saziņas prasmes, lai sarežģītus ML jēdzienus pārvērstu lēmumos un kompromisos
- Spēja efektīvi strādāt straujā, neskaidrā un tehnoloģiski attīstītā vidē, vienlaikus pārvaldot sarežģītus starpfunkcionālus izaicinājumus
- Publikācijas vadošajās ML konferencēs, pieredze kiberdrošības, privātuma vai identitātes jomā, kā arī JAX vai TensorFlow zināšanas būs priekšrocība
Priekšrocības
- Elastīga darba organizācija
- Apmaksāts brīvais laiks
- Konkurētspējīgs atalgojums
- Darbinieku priekšrocības
- Labbūtības programmas
- Atbalsts, resursi un rīki augstu darba rezultātu sasniegšanai un karjeras attīstībai