Ingénieur en apprentissage par renforcement
Plateforme d’IA et recherche Ingénierie du machine learning
£126,000–£210,000/an (£10,500–£17,500/mois) — Négociable
Équipe et contexte produit
- Équipe
- Plateforme d’IA et recherche
- Spécialité
- Ingénierie du machine learning
- Famille de produits
- Plateforme d’IA
Recherche en IA, apprentissage automatique, traitement du langage, vision par ordinateur et données.
Découvrir nos produits et servicesDescription du poste
Vous améliorerez le comportement des modèles grâce à l’apprentissage par renforcement et à l’optimisation fondée sur les préférences. Vous travaillerez notamment sur la modélisation des récompenses, les processus d’entraînement PPO ou DPO, le diagnostic des modèles et la reproductibilité des expériences.
Exigences
- Expérience pratique de l’apprentissage par renforcement, de l’optimisation fondée sur les préférences ou de méthodes de type RLHF
- Bonne maîtrise de Python et expérience des frameworks d’apprentissage profond
- Connaissance de la modélisation des récompenses, de PPO et DPO, du diagnostic des modèles ou de la conception d’évaluations
- Capacité à évaluer la qualité des données, l’évolution des politiques du modèle et la stabilité de l’entraînement
- Bonne maîtrise de Python et expérience des frameworks d’apprentissage profond
- Connaissance de la modélisation des récompenses, de PPO et DPO, du diagnostic des modèles ou de la conception d’évaluations
- Capacité à évaluer la qualité des données, l’évolution des politiques du modèle et la stabilité de l’entraînement
Responsabilités
- Concevoir et maintenir des processus d’entraînement par renforcement ou d’optimisation fondée sur les préférences
- Analyser les diagnostics d’entraînement et rechercher les causes d’instabilité ou de régression
- Mener des expériences reproductibles avec les équipes de recherche et d’infrastructure
- Documenter les changements de comportement des modèles et leurs conséquences pour leur mise en production
- Analyser les diagnostics d’entraînement et rechercher les causes d’instabilité ou de régression
- Mener des expériences reproductibles avec les équipes de recherche et d’infrastructure
- Documenter les changements de comportement des modèles et leurs conséquences pour leur mise en production
Avantages
- Contribuer à l’amélioration concrète des modèles avec le soutien des équipes d’infrastructure
- Collaborer avec les équipes de recherche, de sûreté et de plateforme de machine learning
- Participer à la définition de critères de qualité pour les données de préférences et la fiabilité de l’entraînement
- Collaborer avec les équipes de recherche, de sûreté et de plateforme de machine learning
- Participer à la définition de critères de qualité pour les données de préférences et la fiabilité de l’entraînement
Notre processus de recrutement
Le déroulement et le format varient selon le poste.
Candidature
Premier examen de la candidature
Évaluations adaptées au poste
Entretiens
Décision
Offre et intégration
Confidentialité et documents de candidature
Transmettez uniquement les informations et les documents demandés pour ce poste. Consultez notre politique de confidentialité pour en savoir plus sur le traitement des données personnelles.
Lire la politique de confidentialité