Snorkel AI hutengeneza suluhisho za data za kitaalamu kwa timu za ujifunzaji wa mashine. Jukwaa lake la Expert Data-as-a-Service husaidia mashirika kuunda na kutathmini seti za data za mafunzo zenye ubora wa juu, hivyo kusaidia uundaji wa miundo kwa haraka zaidi na programu za AI zinazoaminika zaidi. Ilianzishwa mwaka 2019 kutokana na utafiti wa Stanford, kampuni hii hufanya kazi na mashirika katika sekta za ushauri, huduma za afya, na usafirishaji ili kuendeleza mifumo ya AI yenye matumizi ya vitendo.
Mhandisi Mwandamizi wa Programu za AI na ML katika Snorkel AI (Mseto)
Mhandisi mwandamizi wa ujifunzaji wa mashine anayeboresha tathmini ya mawakala, uelekezaji wa miundo, na mifumo ya miundo iliyoboreshwa. Anajenga miundombinu thabiti ya data ya AI kwa wateja wa biashara wa Snorkel AI.
Maelezo
- Kuboresha kasi, gharama, na ukali wa uundaji na tathmini ya data ya AI ya kiwango cha juu kupitia ML na AI
- Kuchunguza jinsi data ya kiwango cha juu inavyotengenezwa na kutathminiwa
- Kutengeneza dhana na kuzijaribu kwa kutumia data halisi ya uzalishaji
- Kupanua mbinu zinazoonyesha matokeo madhubuti
- Kupunguza gharama za tathmini ya mawakala wa muda mrefu kupitia sampuli badilifu, kusitisha mapema kwa misingi ya takwimu, misururu ya miundo, akiba ya data, na uelekezaji unaotanguliza chaguo la gharama nafuu
- Kuelekeza maombi ya tathmini na uhakiki kwenye modeli yenye gharama ya chini zaidi inayotimiza viwango vya ubora, pamoja na njia mbadala, ufuatiliaji, na uhusishaji wa gharama
- Kuboresha na kusambaza miundo yenye uzani wazi kwa kutumia LoRA na mbinu nyingine zenye ufanisi wa vigezo
- Kutengeneza miundo inayotabiri ugumu wa kazi kwa mifumo ya kiwango cha juu kabla ya kuzinduliwa
- Kuunda seti za data za dhahabu na kupima usahihi na ulinganifu wa mifumo ya LLM kama mwamuzi
- Kubadilisha vielelezo vya utafiti kuwa vipengele vinavyoweza kutumiwa tena na kusanidiwa kwa wahandisi na watafiti wa uzalishaji
- Kusaidia kufafanua viwango vya uhandisi wa ML, kuelekeza maendeleo ya taaluma, na kuunga mkono timu inayokua
Mahitaji
- Angalau miaka mitano ya uzoefu wa kujenga mifumo ya uzalishaji ya ujifunzaji wa mashine au programu, ukiwa na umiliki kuanzia kielelezo hadi uzalishaji
- Uzoefu wa vitendo wa kuendesha mzigo wa kazi wa LLM au ML katika uzalishaji
- Uwezo wa kufikiri kwa ufanisi kuhusu mifumo isiyotabirika kwa njia ya moja kwa moja
- Msingi thabiti katika takwimu na majaribio, ikiwemo muundo wa majaribio, upimaji wa dhana, sampuli, na vipindi vya kujiamini
- Ujuzi wa hali ya juu wa Python na uhandisi wa programu unaojumuisha majaribio, ukaguzi wa msimbo, na muundo wa mfumo
- Uzoefu wa kuunda tathmini na kutafsiri matokeo yake kwa ukali
- Kutambua kwa hiari matatizo yenye athari kubwa kabla hayajatolewa rasmi
- Mawasiliano yaliyo wazi kati ya timu za utafiti, uhandisi, na biashara
Manufaa
- Fursa muhimu za kuathiri vipaumbele na mipango
- Sauti katika maamuzi muhimu ya kimkakati
- Mchango wa moja kwa moja katika mafanikio endelevu ya Snorkel AI
- Fursa za kupanua kina cha utaalamu wa kiufundi
- Fursa za kuongoza
- Nafasi za kukuza ujuzi katika kazi mbalimbali
- Msaada wa maendeleo ya taaluma katika mazingira yanayolenga ukuaji, kujifunza, na mafanikio ya pamoja
- Marekebisho yanayofaa kwa waombaji na wafanyakazi wenye ulemavu katika mchakato wote wa maombi na mahojiano, utendaji wa kazi, na upatikanaji wa manufaa na haki za ajira