Reinforcement Learning প্রকৌশলী
AI প্ল্যাটফর্ম ও গবেষণা মেশিন লার্নিং প্রকৌশল
£126,000–£210,000/বছর (£10,500–£17,500/মাস) — আলোচনাসাপেক্ষ
দল ও পণ্যের প্রেক্ষাপট
- দল
- AI প্ল্যাটফর্ম ও গবেষণা
- বিশেষায়ন
- মেশিন লার্নিং প্রকৌশল
- পণ্য-পরিবার
- AI প্ল্যাটফর্ম
AI পণ্যজুড়ে গবেষণা, মেশিন লার্নিং, ভাষা, ভিশন, প্রম্পট ইঞ্জিনিয়ারিং ও ডেটার কাজ।
আমাদের পণ্য ও সেবা দেখুনকাজের বিবরণ
মডেলের আচরণ উন্নত করতে reinforcement learning ও preference optimization-এর কর্মপ্রবাহে কাজ করুন। এখানে reward model তৈরি, PPO বা DPO pipeline, প্রশিক্ষণের ফল বিশ্লেষণ এবং পুনরুৎপাদনযোগ্য প্রশিক্ষণ চালানোর ওপর জোর থাকবে।
যোগ্যতা
- reinforcement learning, preference optimization অথবা RLHF-ধাঁচের কর্মপ্রবাহে বাস্তব অভিজ্ঞতা
- Python ও deep-learning framework-এ দক্ষতা
- পুরস্কারভিত্তিক মডেলিং, PPO, DPO, প্রশিক্ষণ-সংক্রান্ত রোগনির্ণয় অথবা মূল্যায়ন নকশা সম্পর্কে পরিচিতি
- ডেটার মান, policy drift এবং প্রশিক্ষণের স্থিতিশীলতা নিয়ে বিশ্লেষণ করার সক্ষমতা
- Python ও deep-learning framework-এ দক্ষতা
- পুরস্কারভিত্তিক মডেলিং, PPO, DPO, প্রশিক্ষণ-সংক্রান্ত রোগনির্ণয় অথবা মূল্যায়ন নকশা সম্পর্কে পরিচিতি
- ডেটার মান, policy drift এবং প্রশিক্ষণের স্থিতিশীলতা নিয়ে বিশ্লেষণ করার সক্ষমতা
দায়িত্ব
- RL বা preference optimization-এর প্রশিক্ষণধারা তৈরি ও রক্ষণাবেক্ষণ
- প্রশিক্ষণ-সংক্রান্ত রোগনির্ণয় পর্যবেক্ষণ এবং অস্থিতিশীলতা বা regression খতিয়ে দেখা
- পুনরাবৃত্তিযোগ্য পরীক্ষা নিয়ে গবেষণা ও অবকাঠামো দলের সঙ্গে কাজ
- মডেলের আচরণে পরিবর্তন ও release-সংক্রান্ত প্রভাব নথিভুক্ত করা
- প্রশিক্ষণ-সংক্রান্ত রোগনির্ণয় পর্যবেক্ষণ এবং অস্থিতিশীলতা বা regression খতিয়ে দেখা
- পুনরাবৃত্তিযোগ্য পরীক্ষা নিয়ে গবেষণা ও অবকাঠামো দলের সঙ্গে কাজ
- মডেলের আচরণে পরিবর্তন ও release-সংক্রান্ত প্রভাব নথিভুক্ত করা
সুবিধা
- অবকাঠামোগত সহায়তাসহ প্রয়োগভিত্তিক মডেল-উন্নয়নের কর্মপ্রবাহে কাজ
- গবেষণা, নিরাপত্তা ও ML প্ল্যাটফর্ম দলের সঙ্গে সহযোগিতা
- preference data-এর মান ও প্রশিক্ষণের নির্ভরযোগ্যতার মানদণ্ড গঠনে সহায়তা
- গবেষণা, নিরাপত্তা ও ML প্ল্যাটফর্ম দলের সঙ্গে সহযোগিতা
- preference data-এর মান ও প্রশিক্ষণের নির্ভরযোগ্যতার মানদণ্ড গঠনে সহায়তা
আমাদের নিয়োগপদ্ধতি
পদ অনুযায়ী ধাপ ও ধরন ভিন্ন হতে পারে।
আবেদন
প্রাথমিক পর্যালোচনা
প্রাসঙ্গিক মূল্যায়ন
সাক্ষাৎকার
সিদ্ধান্ত
প্রস্তাব ও যোগদান
গোপনীয়তা ও আবেদনের নথি
এই পদের জন্য চাওয়া তথ্য ও নথিই শুধু জমা দিন। ব্যক্তিগত তথ্য ব্যবহারের বিষয়ে জানতে আমাদের গোপনীয়তা নীতি পড়ুন।
গোপনীয়তা নীতি পড়ুন