強化学習エンジニア
AIプラットフォーム・研究 機械学習エンジニアリング
£126,000–£210,000/年 (£10,500–£17,500/月) — 応相談
チームと製品分野
- チーム
- AIプラットフォーム・研究
- 専門分野
- 機械学習エンジニアリング
- 製品分野
- AI プラットフォーム
AI研究、機械学習、言語処理、コンピュータービジョン、プロンプト設計、データ関連の業務を担当します。
製品・サービスを見る職務内容
強化学習と選好最適化を通じて、モデルの振る舞いを改善します。報酬モデルの開発、PPO/DPOによる学習プロセスの構築、学習状況の分析、再現可能な実験に取り組みます。
必要条件
- 強化学習、選好最適化、またはRLHF関連の実務経験
- Pythonと深層学習フレームワークを使った開発経験
- 報酬モデル、PPO、DPO、学習診断、評価設計に関する知識
- データ品質、モデル方針の変化、学習の安定性を評価する力
- Pythonと深層学習フレームワークを使った開発経験
- 報酬モデル、PPO、DPO、学習診断、評価設計に関する知識
- データ品質、モデル方針の変化、学習の安定性を評価する力
職責
- 強化学習や選好最適化の学習プロセスを構築・改善する
- 学習診断の結果を分析し、不安定化や性能低下の原因を調べる
- 研究・インフラチームと連携し、再現可能な実験を行う
- モデルの振る舞いの変化とリリースへの影響を記録する
- 学習診断の結果を分析し、不安定化や性能低下の原因を調べる
- 研究・インフラチームと連携し、再現可能な実験を行う
- モデルの振る舞いの変化とリリースへの影響を記録する
福利厚生
- インフラチームの支援を受けながら、モデルの実用的な改善に取り組める
- 研究、安全性、機械学習基盤の各チームと協力できる
- 選好データの品質と安定した学習に関する基準づくりに携われる
- 研究、安全性、機械学習基盤の各チームと協力できる
- 選好データの品質と安定した学習に関する基準づくりに携われる
採用の流れ
順序や形式は職種によって異なります。
応募
初期選考
職種に応じた評価
面接
合否の決定
オファー・入社手続き
個人情報と応募書類の取り扱い
この職種で求められている情報と書類のみをご提出ください。個人情報の取り扱いについては、プライバシーポリシーをご確認ください。
プライバシーポリシーを読む