AI Builder: estudiante trabajador

EggAI Labs · Estudiante trabajador · Presencial (Tübingen, Alemania)
Diseño de evaluación del ciclo de vida para sistemas de IA no deterministas de dominio específico.
Laboratorios EggAI
Abrimos los laboratorios EggAI en Tubinga. El propósito de los laboratorios es probar nuevas capacidades de IA, identificar qué funciona, cómo mejorarían la entrega y luego crear activos para respaldar a los equipos y clientes. La misión de EggAI no se puede lograr únicamente a través de proyectos únicos de clientes y los laboratorios son la forma de adaptarse y escalar.
Como parte de la primera cohorte, se unirá a un pequeño grupo de pares y trabajará directamente con CAIO de EggAI, un alumno de Tübingen. También colaborará con nuestros líderes de ingeniería, productos y proyectos, quienes le brindarán información sobre los problemas de los clientes, lo ayudarán a comprender su contexto y desafiar sus soluciones para ellos. Tus compañeros AI Builders serán elegidos deliberadamente para abarcar diferentes pasiones y fortalezas. Tendrá espacio para explorar y se espera que convierta esa exploración en algo útil. Este no es un rol de cara al cliente.
El problema: EvalOps
¿Cómo demostramos que un sistema de IA actúa como se espera en diversas condiciones?
Exploraremos EvalOps: los métodos y herramientas utilizados para comprobar si los sistemas de IA de un dominio específico cumplen con sus requisitos de comportamiento. Entre los desafíos clave para operar sistemas de IA se encuentran el no determinismo, la curación de la verdad sobre el terreno, el diseño de métricas de evaluación, la latencia y los costos. EvalOps necesita superarlos todos de forma disciplinada.
Estas preguntas guiarán el trabajo inicial:

• Conjuntos de regresión: ¿Cómo pueden los expertos en el dominio convertir seguimientos, códigos e indicaciones en evaluaciones útiles de forma escalable?

• Estimación de cobertura: ¿Cómo podemos cuantificar las brechas entre un conjunto de evaluaciones y el rango de comportamientos esperados de los agentes?

• Monitoreo en vivo: ¿Es posible detectar comportamientos anómalos en producción con una precisión similar a las evaluaciones de regresión?

• Análisis de evaluación: ¿Cuánta evidencia es suficiente para actuar (por ejemplo, implementar, depurar, revertir una característica, elegir un modelo diferente)? Ayudará a perfeccionarlos, probar enfoques, crear activos y plantear nuevas preguntas.

el papel
Como AI Builder, llevarás un problema abierto de EvalOps desde la investigación hasta un prototipo funcional, listo para ser probado. Cualquiera que sea su enfoque, se espera que usted lleve un problema a un resultado útil. Esto es lo que eso significa en la práctica:

• Investigar las capacidades emergentes de IA y evaluación y distinguir lo sustancial de lo exagerado.

• Comprender el usuario, el flujo de trabajo, el dominio y el problema organizativo en torno al trabajo.

• Evaluar utilidad, calidad, seguridad y confiabilidad con evidencia apropiada.

• Comunicar decisiones y aprendizajes con claridad.

• Crear activos que otras personas puedan comprender, utilizar y mejorar.

• Codifique y construya de principio a fin.

Esta base compartida deja espacio para diferentes fortalezas e intereses. Luego, cada AI Builder desarrollará una mayor profundidad en uno de los tres pilares.
Tres pilares, diferentes pasiones
Pilar
Pregunta de conducción
Posible enfoque de EvalOps

Producto
¿Qué deberíamos construir?
Flujos de trabajo e interfaces que ayudan a los expertos en el dominio a crear evaluaciones, inspeccionar seguimientos, comprender resultados y tomar decisiones.

Ingeniería
¿Cómo deberíamos construirlo?
Infraestructura de evaluación, procesamiento de seguimiento, monitoreo y herramientas de gobernanza confiables y escalables.

Ciencia de datos
¿Cómo sabemos que funciona?
Medidas de cobertura, estrategias de muestreo, métodos de puntuación, pruebas estadísticas, detección de anomalías y razonamiento bajo incertidumbre.

Esperamos que cada creador de IA desarrolle una base práctica en los tres pilares y profundice en el que mejor se adapte a su pasión.
lo que valoramos

• Obsesión por los problemas. Una pregunta difícil capta tu curiosidad. Sigues volviendo a ello, persigues ideas sin esperar instrucciones y te preocupas profundamente por encontrar una respuesta que funcione.

• Iniciativa y seguimiento. Conviertes la incertidumbre en algo que puedes investigar, probar y mejorar, y mantenerte ingenioso cuando el primer enfoque falla.

• Evidencia de hacer que las cosas funcionen. Muéstranos algo que creaste, las decisiones que tomaste y lo que aprendiste a lo largo del camino.

• Juicio independiente. Usted mismo prueba nuevas capacidades, distingue la evidencia del entusiasmo y cambia de opinión cuando los hallazgos lo justifican.

• Generosidad en la colaboración. Explica su pensamiento, busca comentarios sinceros, actúa en consecuencia y ayuda a otros a progresar.

que se requiere

• Estás cursando una maestría.

• Puede escribir código y convertir una idea en un software funcional y probado.

• Podrá trabajar desde Tubinga y comunicarse con fluidez en inglés, el idioma de nuestra empresa.

Los campos relevantes incluyen Ciencias de la Computación, Aprendizaje Automático, Matemáticas, Física, Bioinformática, Neurociencia Computacional, Informática Médica, Ciencia de Datos Cuantitativos y Ciencias Cognitivas. También damos la bienvenida a candidatos de otras disciplinas que puedan demostrar una gran capacidad técnica práctica y de resolución de problemas.
lo que ganarás

• Conocimiento de la industria. Aprenda qué funciona y qué falla en los sistemas de inteligencia artificial empresariales reales, con acceso a los problemas del trabajo del cliente de EggAI.

• Propiedad significativa. Lleve un problema de EvalOps desde la investigación hasta una solución funcional y evaluada, con libertad para dar forma al enfoque.

• Tutoría cercana. Trabaje directamente con el director de IA de EggAI y mejore su criterio a través de los comentarios de los líderes de ingeniería, productos y proyectos.

• Espacio para desarrollarse. Profundice sus fortalezas, aprenda de pares con perspectivas complementarias y utilice herramientas modernas de desarrollo de inteligencia artificial en problemas no resueltos.

• Votar en la dirección del laboratorio. Ayude a establecer sus prácticas de trabajo, proponga nuevas preguntas e influya en lo que persigue a continuación.

• Compensación competitiva, incluido el reconocimiento por contribuciones excepcionales y un camino potencial hacia un puesto de tiempo completo en EggAI después de graduarse.…

Fuente: Arbeitnow (https://www.arbeitnow.com/jobs/companies/eggai/ai-builder-working-student-germany-483700)