Ingeniero de aprendizaje por refuerzo
Plataforma de IA e investigación Ingeniería de aprendizaje automático
£126,000–£210,000/año (£10,500–£17,500/mes) — A convenir
Equipo y contexto del producto
- Equipo
- Plataforma de IA e investigación
- Especialidad
- Ingeniería de aprendizaje automático
- Familia de productos
- Plataforma de IA
Investigación en IA, aprendizaje automático, lenguaje, visión, ingeniería de prompts y datos.
Explorar nuestros productos y serviciosDescripción del puesto
Mejorará el comportamiento de los modelos mediante aprendizaje por refuerzo y optimización basada en preferencias. El trabajo incluye modelado de recompensas, procesos de entrenamiento con PPO o DPO, análisis de diagnósticos y experimentos reproducibles.
Requisitos
- Experiencia práctica en aprendizaje por refuerzo, optimización basada en preferencias o métodos de tipo RLHF
- Buen dominio de Python y experiencia con marcos de aprendizaje profundo
- Conocimientos de modelado de recompensas, PPO y DPO, diagnóstico del entrenamiento o diseño de evaluaciones
- Capacidad para evaluar la calidad de los datos, los cambios en la política del modelo y la estabilidad del entrenamiento
- Buen dominio de Python y experiencia con marcos de aprendizaje profundo
- Conocimientos de modelado de recompensas, PPO y DPO, diagnóstico del entrenamiento o diseño de evaluaciones
- Capacidad para evaluar la calidad de los datos, los cambios en la política del modelo y la estabilidad del entrenamiento
Responsabilidades
- Diseñar y mantener procesos de entrenamiento con aprendizaje por refuerzo u optimización basada en preferencias
- Analizar los diagnósticos del entrenamiento e investigar las causas de la inestabilidad o las regresiones
- Realizar experimentos reproducibles junto con los equipos de investigación e infraestructura
- Documentar los cambios en el comportamiento de los modelos y sus efectos en la puesta en producción
- Analizar los diagnósticos del entrenamiento e investigar las causas de la inestabilidad o las regresiones
- Realizar experimentos reproducibles junto con los equipos de investigación e infraestructura
- Documentar los cambios en el comportamiento de los modelos y sus efectos en la puesta en producción
Beneficios
- Contribuir a la mejora aplicada de modelos con el apoyo del equipo de infraestructura
- Colaborar con los equipos de investigación, seguridad y plataforma de aprendizaje automático
- Ayudar a definir criterios de calidad para los datos de preferencias y la fiabilidad del entrenamiento
- Colaborar con los equipos de investigación, seguridad y plataforma de aprendizaje automático
- Ayudar a definir criterios de calidad para los datos de preferencias y la fiabilidad del entrenamiento
Cómo contratamos
El orden y el formato pueden variar según el puesto.
Candidatura
Revisión inicial
Evaluaciones pertinentes
Entrevistas
Decisión
Oferta e incorporación
Privacidad y documentos de candidatura
Envía únicamente la información y los documentos solicitados para este puesto. Consulta nuestra política de privacidad para conocer cómo se tratan los datos personales.
Leer la política de privacidad