A Giotto.ai é uma empresa suíça de inteligência artificial que desenvolve tecnologia de raciocínio soberano para uso empresarial. Sua oferta combina o Giotto 1, um modelo de alto poder de raciocínio desenvolvido para operar em uma única GPU, com um sistema operacional de IA que reúne um assistente, ferramentas para documentos e código, integrações, agentes e monitoramento. As organizações podem acessar a plataforma pela nuvem europeia da Giotto, implementá-la em GPUs privadas ou usar dispositivos de hardware certificados e preparados para Giotto. A empresa se concentra em proporcionar às equipes reguladas e técnicas maior controle sobre a residência dos dados, a infraestrutura e as implementações privadas de IA.
Pesquisador júnior de IA na Giotto.ai — Híbrido, Lausanne
Junte-se à Giotto.ai como pesquisador júnior de IA em uma função híbrida em Lausanne. Treine e avalie modelos avançados, desenvolva benchmarks e ajude a transformar ideias de pesquisa em sistemas de IA prontos para produção.
Descrição
- Revisar pesquisas atuais em IA e transformar ideias relevantes em experimentos práticos
- Treinar, ajustar e avaliar modelos baseados em Transformers
- Apoiar pesquisas sobre raciocínio, dados sintéticos, adaptação de modelos e avaliação
- Criar benchmarks e investigar o desempenho dos modelos e os padrões de falha
- Testar formas de melhorar dados de treinamento, objetivos, prompts e estratégias de inferência
- Desenvolver software de pesquisa claro e reproduzível
- Registrar experimentos, descobertas e conclusões
- Trabalhar com as equipes de pesquisa, engenharia e produto
- Desenvolver uma compreensão de como pesquisas avançadas se tornam sistemas de IA prontos para produção
Requisitos
- Mestrado concluído ou quase concluído em ciência da computação, inteligência artificial, aprendizado de máquina, matemática, física ou outra área quantitativa
- Sólida base em aprendizado de máquina e aprendizado profundo
- Experiência prática com Python e PyTorch em projetos acadêmicos, dissertação, pesquisa ou estágio
- Conhecimento prático de arquiteturas Transformer e modelos de linguagem de grande escala
- Compreensão de probabilidade, estatística, álgebra linear e otimização
- Capacidade de interpretar artigos de pesquisa e implementar os métodos propostos
- Curiosidade intelectual, capacidade analítica e motivação para aprender
- Comunicação eficaz e abordagem colaborativa
- Experiência com Hugging Face Transformers ou Datasets
- Dissertação de mestrado com foco em LLMs, raciocínio, aprendizado multimodal, aprendizado por reforço, interpretabilidade ou IA generativa
- Experiência com ajuste fino de modelos, LoRA/PEFT, dados sintéticos ou fluxos de trabalho de avaliação
- Publicações de pesquisa, trabalho de código aberto ou projetos pessoais relevantes
- Familiaridade com GPUs, plataformas de acompanhamento de experimentos ou infraestrutura em nuvem
Benefícios
- Modelo de trabalho híbrido
- Colaboração regular da equipe no escritório de Lausanne