Инженер по обучению с подкреплением
Платформа ИИ и исследования Разработка систем машинного обучения
£126,000–£210,000/год (£10,500–£17,500/месяц) — По договорённости
Команда и направление продуктов
- Команда
- Платформа ИИ и исследования
- Специализация
- Разработка систем машинного обучения
- Семейство продуктов
- Платформа ИИ
Исследования в области ИИ, машинное обучение, языковые технологии, компьютерное зрение и работа с данными.
Познакомиться с нашими продуктами и услугамиОписание вакансии
Разрабатывайте методы обучения с подкреплением и оптимизации по предпочтениям, которые помогают улучшать поведение моделей. Вы будете работать с моделями вознаграждения, конвейерами PPO и DPO, диагностикой обучения и воспроизводимыми экспериментами.
Требования
- Практический опыт обучения с подкреплением, оптимизации по предпочтениям или методов RLHF.
- Уверенное владение Python и опыт работы с фреймворками глубокого обучения.
- Знание моделей вознаграждения, PPO и DPO, а также методов диагностики и оценки моделей.
- Умение оценивать качество данных, изменения поведения модели и устойчивость процесса обучения.
- Уверенное владение Python и опыт работы с фреймворками глубокого обучения.
- Знание моделей вознаграждения, PPO и DPO, а также методов диагностики и оценки моделей.
- Умение оценивать качество данных, изменения поведения модели и устойчивость процесса обучения.
Обязанности
- Разрабатывать и поддерживать процессы обучения с подкреплением и оптимизации по предпочтениям.
- Анализировать диагностические показатели обучения и находить причины нестабильности и ухудшения результатов.
- Проводить воспроизводимые эксперименты совместно с исследовательскими и инфраструктурными командами.
- Документировать изменения поведения моделей и их влияние на выпуск.
- Анализировать диагностические показатели обучения и находить причины нестабильности и ухудшения результатов.
- Проводить воспроизводимые эксперименты совместно с исследовательскими и инфраструктурными командами.
- Документировать изменения поведения моделей и их влияние на выпуск.
Преимущества
- Улучшать прикладные методы обучения моделей при поддержке инфраструктурной команды.
- Сотрудничать с командами исследований, безопасности и платформы машинного обучения.
- Участвовать в разработке стандартов качества данных о предпочтениях и надёжности обучения.
- Сотрудничать с командами исследований, безопасности и платформы машинного обучения.
- Участвовать в разработке стандартов качества данных о предпочтениях и надёжности обучения.
Как проходит найм
Порядок и формат этапов могут различаться в зависимости от вакансии.
Отклик
Первичное рассмотрение
Оценка навыков для вакансии
Собеседования
Решение
Предложение о работе и адаптация
Конфиденциальность и документы кандидата
Отправляйте только сведения и документы, запрошенные для этой вакансии. Информация об обработке персональных данных приведена в нашей политике конфиденциальности.
Прочитать политику конфиденциальности