Engenheiro de aprendizagem por reforço
Plataforma de IA e Investigação Engenharia de aprendizagem automática
£126,000–£210,000/ano (£10,500–£17,500/mês) — Negociável
Equipa e contexto do produto
- Equipa
- Plataforma de IA e Investigação
- Especialização
- Engenharia de aprendizagem automática
- Família de produtos
- Plataforma de IA
Investigação em IA, aprendizagem automática, linguagem, visão, engenharia de prompts e dados.
Explore os nossos produtos e serviçosDescrição da vaga
Irá melhorar o comportamento dos modelos através da aprendizagem por reforço e da otimização baseada em preferências. O trabalho inclui a modelação de recompensas, processos de treino com PPO ou DPO, análise de diagnósticos e experiências reproduzíveis.
Requisitos
- Experiência prática em aprendizagem por reforço, otimização baseada em preferências ou métodos do tipo RLHF
- Bons conhecimentos de Python e experiência com bibliotecas de aprendizagem profunda
- Conhecimentos de modelação de recompensas, PPO e DPO, diagnóstico do treino ou conceção de avaliações
- Capacidade para avaliar a qualidade dos dados, as alterações na política do modelo e a estabilidade do treino
- Bons conhecimentos de Python e experiência com bibliotecas de aprendizagem profunda
- Conhecimentos de modelação de recompensas, PPO e DPO, diagnóstico do treino ou conceção de avaliações
- Capacidade para avaliar a qualidade dos dados, as alterações na política do modelo e a estabilidade do treino
Responsabilidades
- Conceber e manter processos de treino de aprendizagem por reforço ou de otimização baseada em preferências
- Analisar os diagnósticos do treino e investigar as causas de instabilidade ou regressões
- Realizar experiências reproduzíveis com as equipas de investigação e infraestrutura
- Documentar alterações ao comportamento dos modelos e o seu impacto na entrada em produção
- Analisar os diagnósticos do treino e investigar as causas de instabilidade ou regressões
- Realizar experiências reproduzíveis com as equipas de investigação e infraestrutura
- Documentar alterações ao comportamento dos modelos e o seu impacto na entrada em produção
Benefícios
- Contribuir para a melhoria aplicada dos modelos com o apoio da equipa de infraestrutura
- Colaborar com as equipas de investigação, segurança e plataforma de aprendizagem automática
- Ajudar a definir critérios de qualidade para os dados de preferências e a fiabilidade do treino
- Colaborar com as equipas de investigação, segurança e plataforma de aprendizagem automática
- Ajudar a definir critérios de qualidade para os dados de preferências e a fiabilidade do treino
Como recrutamos
A sequência e o formato podem variar consoante a função.
Candidatura
Análise inicial
Avaliações adequadas à função
Entrevistas
Decisão
Proposta e integração
Privacidade e documentos de candidatura
Envie apenas as informações e os documentos pedidos para esta função. Consulte a nossa Política de Privacidade para saber como são tratados os dados pessoais.
Ler a Política de Privacidade