Job
Aus Partner-Feed
AI Builder – Werkstudent
Preis auf Anfrage
Details
- Beschäftigungsart
- Vollzeit
- Remote
- Nein
- Unternehmen
- Eggai
Beschreibung
Automatisch aus dem English übersetzt. Der Originaltext ist maßgeblich. Maschinenübersetzung – eine genauere Version wird vorbereitet.
EggAI Labs · Werkstudent · Persönlich (Tübingen, Deutschland)
Entwerfen einer Lebenszyklusbewertung für nichtdeterministische domänenspezifische KI-Systeme.
EggAI Labs
Wir eröffnen die EggAI Labs in Tübingen. Der Zweck der Labs besteht darin, neue KI-Funktionen zu testen, herauszufinden, was funktioniert, wie sie die Bereitstellung verbessern würden, und dann Ressourcen zur Unterstützung von Teams und Kunden aufzubauen. Die Mission von EggAI kann nicht allein durch einmalige Kundenprojekte erreicht werden, und die Labs sind der Weg zur Anpassung und Skalierung.
Als Teil der ersten Kohorte werden Sie einer kleinen Peer-Gruppe beitreten und direkt mit dem CAIO von EggAI, einem Tübinger Alumnus, zusammenarbeiten. Sie arbeiten auch mit unseren Technik-, Produkt- und Projektleitern zusammen, die Ihnen Einblicke in die Probleme Ihrer Kunden liefern, Ihnen helfen, deren Kontext zu verstehen und Ihre Lösungen für sie zu hinterfragen. Ihre KI-Builder-Kollegen werden bewusst so ausgewählt, dass sie unterschiedliche Leidenschaften und Stärken abdecken. Sie werden Raum zum Erkunden haben und von Ihnen wird erwartet, dass Sie diese Erkundung in etwas Nützliches umsetzen. Dies ist keine kundenorientierte Rolle.
Das Problem: EvalOps
Wie beweisen wir, dass ein KI-System unter verschiedenen Bedingungen wie erwartet funktioniert?
Wir werden EvalOps untersuchen: die Methoden und Werkzeuge, mit denen überprüft wird, ob domänenspezifische KI-Systeme ihre Verhaltensanforderungen erfüllen. Zu den wichtigsten Herausforderungen für den Betrieb von KI-Systemen gehören Nichtdeterminismus, Kuratierung der Grundwahrheit, Entwurf von Bewertungsmetriken, Latenz und Kosten. EvalOps muss sie alle auf disziplinierte Weise bewältigen.
Diese Fragen leiten die erste Arbeit:
• Regressionssuiten: Wie können Domänenexperten Traces, Code und Eingabeaufforderungen auf skalierbare Weise in nützliche Auswertungen umwandeln?
• Abdeckungsschätzung: Wie können wir die Lücken zwischen einer Evaluierungssuite und dem Bereich des erwarteten Agentenverhaltens quantifizieren?
• Live-Überwachung: Ist es möglich, anomales Verhalten in der Produktion mit einer ähnlichen Präzision wie Regressionsauswertungen zu erkennen?
• Evaluierungsanalyse: Wie viele Beweise reichen aus, um zu handeln (z. B. bereitstellen, debuggen, eine Funktion zurücksetzen, ein anderes Modell auswählen)? Sie helfen dabei, diese zu verfeinern, Ansätze zu testen, Assets zu erstellen und neue Fragen zu stellen.
Die Rolle
Als AI Builder überführen Sie ein offenes EvalOps-Problem von der Untersuchung in einen funktionierenden Prototyp, der zum Testen bereit ist. Unabhängig davon, welchen Schwerpunkt Sie legen, wird von Ihnen erwartet, dass Sie ein Problem zu einem nützlichen Ergebnis führen. Das bedeutet in der Praxis Folgendes:
• Erforschen Sie neue KI- und Bewertungsmöglichkeiten und unterscheiden Sie Substanz von Hype.
• Verstehen Sie die Benutzer-, Arbeitsablauf-, Domänen- und Organisationsprobleme rund um die Arbeit.
• Bewerten Sie Nützlichkeit, Qualität, Sicherheit und Zuverlässigkeit anhand geeigneter Nachweise.
• Kommunizieren Sie Entscheidungen und Erkenntnisse klar.
• Erstellen Sie Assets, die andere Menschen verstehen, nutzen und verbessern können.
• Code und Build durchgängig.
Dieses gemeinsame Fundament lässt Raum für unterschiedliche Stärken und Interessen. Jeder KI-Builder wird dann eine der drei Säulen vertiefen.
Drei Säulen, unterschiedliche Leidenschaften
Säule
Fahrfrage
Möglicher EvalOps-Schwerpunkt
Produkt
Was sollen wir bauen?
Workflows und Schnittstellen, die Domänenexperten dabei helfen, Auswertungen zu erstellen, Ablaufverfolgungen zu prüfen, Ergebnisse zu verstehen und Entscheidungen zu treffen.
Ingenieurwesen
Wie sollen wir es bauen?
Zuverlässige und skalierbare Evaluierungsinfrastruktur, Trace-Verarbeitung, Überwachung und Governance-Tools.
Datenwissenschaft
Woher wissen wir, dass es funktioniert?
Abdeckungsmaße, Stichprobenstrategien, Bewertungsmethoden, statistische Tests, Anomalieerkennung und Argumentation unter Unsicherheit.
Wir erwarten von jedem KI-Builder, dass er eine praktische Grundlage für alle drei Säulen entwickelt und diejenige vertieft, die seiner Leidenschaft am besten entspricht.
Was wir wertschätzen
• Problembesessenheit. Eine schwierige Frage weckt Ihre Neugier. Sie greifen immer wieder darauf zurück, verfolgen Ideen, ohne auf Anweisungen zu warten, und legen großen Wert darauf, eine funktionierende Antwort zu finden.
• Initiative und Durchsetzung. Sie verwandeln Unsicherheit in etwas, das Sie untersuchen, testen und verbessern können – und bleiben einfallsreich, wenn der erste Ansatz fehlschlägt.
• Beweise dafür, dass die Dinge funktionieren. Zeigen Sie uns etwas, das Sie geschaffen haben, die Entscheidungen, die Sie getroffen haben, und was Sie dabei gelernt haben.
• Unabhängiges Urteil. Sie testen selbst neue Fähigkeiten, unterscheiden Beweise von Begeisterung und ändern Ihre Meinung, wenn die Ergebnisse dies rechtfertigen.
• Großzügigkeit in der Zusammenarbeit. Sie erläutern Ihre Gedanken, holen ehrliches Feedback ein, handeln entsprechend und helfen anderen, Fortschritte zu machen.
Was ist erforderlich
• Sie streben einen Master-Abschluss an.
• Sie können Code schreiben und eine Idee in funktionierende, getestete Software umsetzen.
• Sie können von Tübingen aus arbeiten und fließend in Englisch, unserer Unternehmenssprache, kommunizieren.
Zu den relevanten Bereichen gehören Informatik, maschinelles Lernen, Mathematik, Physik, Bioinformatik, Computational Neuroscience, medizinische Informatik, quantitative Datenwissenschaft und Kognitionswissenschaft. Wir begrüßen auch Kandidaten aus anderen Disziplinen, die ausgeprägte Problemlösungsfähigkeiten und praktische technische Fähigkeiten nachweisen können.
Was Sie gewinnen werden
• Brancheneinblicke. Erfahren Sie, was in realen KI-Unternehmenssystemen funktioniert und was kaputt geht, mit Zugriff auf Probleme aus der Kundenarbeit von EggAI
• Sinnvolles Eigentum. Führen Sie ein EvalOps-Problem von der Untersuchung zu einer funktionierenden, evaluierten Lösung, mit der Freiheit, den Ansatz zu gestalten.
• Enge Betreuung. Arbeiten Sie direkt mit dem Chief AI Officer von EggAI zusammen und schärfen Sie Ihr Urteilsvermögen durch Feedback von Technik-, Produkt- und Projektleitern.
• Raum zur Entfaltung. Vertiefen Sie Ihre Stärken, lernen Sie von Kollegen mit komplementären Perspektiven und nutzen Sie moderne KI-Entwicklungstools bei ungelösten Problemen.
• Ein Mitspracherecht bei der Ausrichtung des Labors. Helfen Sie dabei, seine Arbeitspraktiken zu etablieren, neue Fragen vorzuschlagen und Einfluss darauf zu nehmen, was das Unternehmen als nächstes verfolgt.
• Wettbewerbsfähige Vergütung, einschließlich Anerkennung für außergewöhnliche Beiträge und ein möglicher Weg zu einer Vollzeitstelle bei EggAI nach dem Abschluss.…
Quelle: Arbeitnow (https://www.arbeitnow.com/jobs/companies/eggai/ai-builder-working-student-Germany-483700)
Entwerfen einer Lebenszyklusbewertung für nichtdeterministische domänenspezifische KI-Systeme.
EggAI Labs
Wir eröffnen die EggAI Labs in Tübingen. Der Zweck der Labs besteht darin, neue KI-Funktionen zu testen, herauszufinden, was funktioniert, wie sie die Bereitstellung verbessern würden, und dann Ressourcen zur Unterstützung von Teams und Kunden aufzubauen. Die Mission von EggAI kann nicht allein durch einmalige Kundenprojekte erreicht werden, und die Labs sind der Weg zur Anpassung und Skalierung.
Als Teil der ersten Kohorte werden Sie einer kleinen Peer-Gruppe beitreten und direkt mit dem CAIO von EggAI, einem Tübinger Alumnus, zusammenarbeiten. Sie arbeiten auch mit unseren Technik-, Produkt- und Projektleitern zusammen, die Ihnen Einblicke in die Probleme Ihrer Kunden liefern, Ihnen helfen, deren Kontext zu verstehen und Ihre Lösungen für sie zu hinterfragen. Ihre KI-Builder-Kollegen werden bewusst so ausgewählt, dass sie unterschiedliche Leidenschaften und Stärken abdecken. Sie werden Raum zum Erkunden haben und von Ihnen wird erwartet, dass Sie diese Erkundung in etwas Nützliches umsetzen. Dies ist keine kundenorientierte Rolle.
Das Problem: EvalOps
Wie beweisen wir, dass ein KI-System unter verschiedenen Bedingungen wie erwartet funktioniert?
Wir werden EvalOps untersuchen: die Methoden und Werkzeuge, mit denen überprüft wird, ob domänenspezifische KI-Systeme ihre Verhaltensanforderungen erfüllen. Zu den wichtigsten Herausforderungen für den Betrieb von KI-Systemen gehören Nichtdeterminismus, Kuratierung der Grundwahrheit, Entwurf von Bewertungsmetriken, Latenz und Kosten. EvalOps muss sie alle auf disziplinierte Weise bewältigen.
Diese Fragen leiten die erste Arbeit:
• Regressionssuiten: Wie können Domänenexperten Traces, Code und Eingabeaufforderungen auf skalierbare Weise in nützliche Auswertungen umwandeln?
• Abdeckungsschätzung: Wie können wir die Lücken zwischen einer Evaluierungssuite und dem Bereich des erwarteten Agentenverhaltens quantifizieren?
• Live-Überwachung: Ist es möglich, anomales Verhalten in der Produktion mit einer ähnlichen Präzision wie Regressionsauswertungen zu erkennen?
• Evaluierungsanalyse: Wie viele Beweise reichen aus, um zu handeln (z. B. bereitstellen, debuggen, eine Funktion zurücksetzen, ein anderes Modell auswählen)? Sie helfen dabei, diese zu verfeinern, Ansätze zu testen, Assets zu erstellen und neue Fragen zu stellen.
Die Rolle
Als AI Builder überführen Sie ein offenes EvalOps-Problem von der Untersuchung in einen funktionierenden Prototyp, der zum Testen bereit ist. Unabhängig davon, welchen Schwerpunkt Sie legen, wird von Ihnen erwartet, dass Sie ein Problem zu einem nützlichen Ergebnis führen. Das bedeutet in der Praxis Folgendes:
• Erforschen Sie neue KI- und Bewertungsmöglichkeiten und unterscheiden Sie Substanz von Hype.
• Verstehen Sie die Benutzer-, Arbeitsablauf-, Domänen- und Organisationsprobleme rund um die Arbeit.
• Bewerten Sie Nützlichkeit, Qualität, Sicherheit und Zuverlässigkeit anhand geeigneter Nachweise.
• Kommunizieren Sie Entscheidungen und Erkenntnisse klar.
• Erstellen Sie Assets, die andere Menschen verstehen, nutzen und verbessern können.
• Code und Build durchgängig.
Dieses gemeinsame Fundament lässt Raum für unterschiedliche Stärken und Interessen. Jeder KI-Builder wird dann eine der drei Säulen vertiefen.
Drei Säulen, unterschiedliche Leidenschaften
Säule
Fahrfrage
Möglicher EvalOps-Schwerpunkt
Produkt
Was sollen wir bauen?
Workflows und Schnittstellen, die Domänenexperten dabei helfen, Auswertungen zu erstellen, Ablaufverfolgungen zu prüfen, Ergebnisse zu verstehen und Entscheidungen zu treffen.
Ingenieurwesen
Wie sollen wir es bauen?
Zuverlässige und skalierbare Evaluierungsinfrastruktur, Trace-Verarbeitung, Überwachung und Governance-Tools.
Datenwissenschaft
Woher wissen wir, dass es funktioniert?
Abdeckungsmaße, Stichprobenstrategien, Bewertungsmethoden, statistische Tests, Anomalieerkennung und Argumentation unter Unsicherheit.
Wir erwarten von jedem KI-Builder, dass er eine praktische Grundlage für alle drei Säulen entwickelt und diejenige vertieft, die seiner Leidenschaft am besten entspricht.
Was wir wertschätzen
• Problembesessenheit. Eine schwierige Frage weckt Ihre Neugier. Sie greifen immer wieder darauf zurück, verfolgen Ideen, ohne auf Anweisungen zu warten, und legen großen Wert darauf, eine funktionierende Antwort zu finden.
• Initiative und Durchsetzung. Sie verwandeln Unsicherheit in etwas, das Sie untersuchen, testen und verbessern können – und bleiben einfallsreich, wenn der erste Ansatz fehlschlägt.
• Beweise dafür, dass die Dinge funktionieren. Zeigen Sie uns etwas, das Sie geschaffen haben, die Entscheidungen, die Sie getroffen haben, und was Sie dabei gelernt haben.
• Unabhängiges Urteil. Sie testen selbst neue Fähigkeiten, unterscheiden Beweise von Begeisterung und ändern Ihre Meinung, wenn die Ergebnisse dies rechtfertigen.
• Großzügigkeit in der Zusammenarbeit. Sie erläutern Ihre Gedanken, holen ehrliches Feedback ein, handeln entsprechend und helfen anderen, Fortschritte zu machen.
Was ist erforderlich
• Sie streben einen Master-Abschluss an.
• Sie können Code schreiben und eine Idee in funktionierende, getestete Software umsetzen.
• Sie können von Tübingen aus arbeiten und fließend in Englisch, unserer Unternehmenssprache, kommunizieren.
Zu den relevanten Bereichen gehören Informatik, maschinelles Lernen, Mathematik, Physik, Bioinformatik, Computational Neuroscience, medizinische Informatik, quantitative Datenwissenschaft und Kognitionswissenschaft. Wir begrüßen auch Kandidaten aus anderen Disziplinen, die ausgeprägte Problemlösungsfähigkeiten und praktische technische Fähigkeiten nachweisen können.
Was Sie gewinnen werden
• Brancheneinblicke. Erfahren Sie, was in realen KI-Unternehmenssystemen funktioniert und was kaputt geht, mit Zugriff auf Probleme aus der Kundenarbeit von EggAI
• Sinnvolles Eigentum. Führen Sie ein EvalOps-Problem von der Untersuchung zu einer funktionierenden, evaluierten Lösung, mit der Freiheit, den Ansatz zu gestalten.
• Enge Betreuung. Arbeiten Sie direkt mit dem Chief AI Officer von EggAI zusammen und schärfen Sie Ihr Urteilsvermögen durch Feedback von Technik-, Produkt- und Projektleitern.
• Raum zur Entfaltung. Vertiefen Sie Ihre Stärken, lernen Sie von Kollegen mit komplementären Perspektiven und nutzen Sie moderne KI-Entwicklungstools bei ungelösten Problemen.
• Ein Mitspracherecht bei der Ausrichtung des Labors. Helfen Sie dabei, seine Arbeitspraktiken zu etablieren, neue Fragen vorzuschlagen und Einfluss darauf zu nehmen, was das Unternehmen als nächstes verfolgt.
• Wettbewerbsfähige Vergütung, einschließlich Anerkennung für außergewöhnliche Beiträge und ein möglicher Weg zu einer Vollzeitstelle bei EggAI nach dem Abschluss.…
Quelle: Arbeitnow (https://www.arbeitnow.com/jobs/companies/eggai/ai-builder-working-student-Germany-483700)
Dieses Angebot stammt aus einem Partner-Feed. Bewerben Sie sich auf der Quell-Website.
Quelle: Eggai
Inserat bereitgestellt von Eggai.
