Praca
Z kanału partnera
Inżynier uczenia maszynowego, sztuczna inteligencja stosowana
Cena na życzenie
Szczegóły
- Typ zatrudnienia
- Pełny etat
- Zdalnie
- Nie
- Firma
- Bjak
Opis
Automatyczne tłumaczenie z języka English. Oryginał jest wiążący. Tłumaczenie maszynowe — trwają prace nad dokładniejszą wersją.
O
Obecnie ponad 5 miliardów użytkowników korzysta z podstawowych aplikacji, takich jak poczta e-mail, notatki, zadania, kalendarz i nie są one natywne dla sztucznej inteligencji. Naszą misją jest budowanie proaktywnych aplikacji dla każdego na świecie, kto nie jest przyzwyczajony do skomplikowanych podpowiedzi. Naszym celem jest zapewnienie inteligencji rozmowom, sprawom, organizowaniu i przepływom pracy, przy minimalnym wsparciu lub bez podpowiedzi.
Naszą pierwszą aplikacją jest aplikacja do komunikacji mobilnej przeznaczona dla agentów. Wierzymy, że tworzenie aplikacji, których użytkownicy codziennie używają do celów komunikacji, koordynacji i współpracy, pomoże zintegrować sztuczną inteligencję z ich życiem. Efektem netto jest wyeliminowanie dezinformacji, osiągnięcie niskich kosztów koordynacji, umożliwienie wykonywania wysokiej jakości zadań i współpracy na dużą skalę przy minimalnym lub niewielkim wsparciu.
Rola
Twórz i ulepszaj systemy uczenia maszynowego, które obsługują nasze aplikacje natywne dla sztucznej inteligencji.
Pracuj nad klasyfikacją, wyszukiwaniem, rankingiem, personalizacją i oceną, przejmując odpowiedzialność od opracowania modelu po wdrożenie produkcyjne.
Ta rola jest dla inżynierów, którzy lubią rozwiązywać praktyczne problemy ML, poprawiać jakość modeli i dostarczać niezawodne systemy używane przez prawdziwych użytkowników.
Skup się
• Twórz i ulepszaj modele uczenia maszynowego na potrzeby klasyfikacji, rankingu, wyszukiwania i personalizacji.
• Opracuj wydajne klasyfikatory i zoptymalizuj dokładność, precyzję, opóźnienia i koszty modelu.
• Popraw trafność wyszukiwania i odnajdywanie kontekstu za pomocą osadzania, wyszukiwania hybrydowego i zmiany rankingu.
• Twórz modele personalizacji, które uczą się na podstawie zachowań użytkowników, jednocześnie szanując prywatność.
• Opracuj procedury oceny, oznakowane zbiory danych i metryki do pomiaru jakości modelu.
• Dostosuj i dostosuj istniejące modele, jeśli są poparte wystarczającymi danymi.
• Twórz i utrzymuj potoki uczenia się, wnioskowania i wdrażania w zakresie uczenia maszynowego.
• Debuguj problemy produkcyjne, monitoruj wydajność modeli i ulepszenia dostaw w oparciu o opinie ze świata rzeczywistego.
Stos technologii
• Pythona
• PyTorch/JAX
• Osadzanie, wyszukiwanie wektorowe i modele rankingowe
• Systemy produkcyjne ML i potoki wnioskowania
Idealne doświadczenie
• Solidne podstawy uczenia maszynowego i nowoczesnych architektur neuronowych.
• Praktyczne doświadczenie w budowaniu i wdrażaniu modeli uczenia maszynowego w środowisku produkcyjnym.
• Doświadczenie w klasyfikacji, rankingu, wyszukiwaniu, systemach rekomendacji lub personalizacji.
• Zrozumienie oceny modelu, eksperymentów i wskaźników wydajności.
• Wygodne pisanie kodu o jakości produkcyjnej i praca z rzeczywistymi zbiorami danych.
• Możliwość zrównoważenia jakości modelu, opóźnień, kosztów i niezawodności.
• Silna własność, umiejętności rozwiązywania problemów
Wyniki
• Modele ML w środowisku produkcyjnym spełniają oczekiwane cele w zakresie dokładności, przydatności, opóźnień i niezawodności.
• Ulepszenia klasyfikacji i rankingu zapewniają wymierny wzrost jakości modelu.
• Procesy oceny identyfikują regresje i wspierają wiarygodne wydania modeli.
• Uczenie, wnioskowanie i potoki danych są solidne, odtwarzalne i łatwe w utrzymaniu.
• Ulepszenia modeli opierają się na informacjach zwrotnych ze świata rzeczywistego i mierzalnych wynikach.
• Skutecznie współpracuje z zespołami inżynieryjnymi i produktowymi, aby dostarczać niezawodne funkcje oparte na technologii ML.
Jak pracujemy
Najlepsze produkty na świecie są budowane przez małe, światowej klasy zespoły. Jesteśmy zespołem o dużym zagęszczeniu talentów i praktycznym zespole. Decyzje podejmujemy wspólnie i działamy szybko, łącząc wysoką jakość pracy z ciągłym uczeniem się.
Dołączenie do naszego zespołu wymaga umiejętności tworzenia struktury, wydawania osądów i niezależnego działania. Naszym celem jest oddanie w ręce naszych użytkowników naprawdę magicznego produktu.
Proces wywiadu
Jeśli okaże się, że pasujemy, skontaktujemy się z Tobą w sprawie harmonogramu 3, ale nie więcej niż 4 rozmów kwalifikacyjnych.
Wnioski są oceniane przez członków naszego zespołu technicznego. Rozmowy kwalifikacyjne będą prowadzone wirtualnie i/lub na miejscu.
Cenimy przejrzystość i efektywność, dlatego spodziewaj się szybkiej decyzji. Jeśli wykazałeś się wyjątkowymi umiejętnościami i nastawieniem, którego szukamy, przedłużymy ofertę dołączenia do nas.
Znajdź oferty pracy w Szwajcarii na Arbeitnow
Źródło: Arbeitnow (https://www.arbeitnow.ch/jobs/companies/bjak/machine-learning-engineer-applied-ai-zurich-427794)
Obecnie ponad 5 miliardów użytkowników korzysta z podstawowych aplikacji, takich jak poczta e-mail, notatki, zadania, kalendarz i nie są one natywne dla sztucznej inteligencji. Naszą misją jest budowanie proaktywnych aplikacji dla każdego na świecie, kto nie jest przyzwyczajony do skomplikowanych podpowiedzi. Naszym celem jest zapewnienie inteligencji rozmowom, sprawom, organizowaniu i przepływom pracy, przy minimalnym wsparciu lub bez podpowiedzi.
Naszą pierwszą aplikacją jest aplikacja do komunikacji mobilnej przeznaczona dla agentów. Wierzymy, że tworzenie aplikacji, których użytkownicy codziennie używają do celów komunikacji, koordynacji i współpracy, pomoże zintegrować sztuczną inteligencję z ich życiem. Efektem netto jest wyeliminowanie dezinformacji, osiągnięcie niskich kosztów koordynacji, umożliwienie wykonywania wysokiej jakości zadań i współpracy na dużą skalę przy minimalnym lub niewielkim wsparciu.
Rola
Twórz i ulepszaj systemy uczenia maszynowego, które obsługują nasze aplikacje natywne dla sztucznej inteligencji.
Pracuj nad klasyfikacją, wyszukiwaniem, rankingiem, personalizacją i oceną, przejmując odpowiedzialność od opracowania modelu po wdrożenie produkcyjne.
Ta rola jest dla inżynierów, którzy lubią rozwiązywać praktyczne problemy ML, poprawiać jakość modeli i dostarczać niezawodne systemy używane przez prawdziwych użytkowników.
Skup się
• Twórz i ulepszaj modele uczenia maszynowego na potrzeby klasyfikacji, rankingu, wyszukiwania i personalizacji.
• Opracuj wydajne klasyfikatory i zoptymalizuj dokładność, precyzję, opóźnienia i koszty modelu.
• Popraw trafność wyszukiwania i odnajdywanie kontekstu za pomocą osadzania, wyszukiwania hybrydowego i zmiany rankingu.
• Twórz modele personalizacji, które uczą się na podstawie zachowań użytkowników, jednocześnie szanując prywatność.
• Opracuj procedury oceny, oznakowane zbiory danych i metryki do pomiaru jakości modelu.
• Dostosuj i dostosuj istniejące modele, jeśli są poparte wystarczającymi danymi.
• Twórz i utrzymuj potoki uczenia się, wnioskowania i wdrażania w zakresie uczenia maszynowego.
• Debuguj problemy produkcyjne, monitoruj wydajność modeli i ulepszenia dostaw w oparciu o opinie ze świata rzeczywistego.
Stos technologii
• Pythona
• PyTorch/JAX
• Osadzanie, wyszukiwanie wektorowe i modele rankingowe
• Systemy produkcyjne ML i potoki wnioskowania
Idealne doświadczenie
• Solidne podstawy uczenia maszynowego i nowoczesnych architektur neuronowych.
• Praktyczne doświadczenie w budowaniu i wdrażaniu modeli uczenia maszynowego w środowisku produkcyjnym.
• Doświadczenie w klasyfikacji, rankingu, wyszukiwaniu, systemach rekomendacji lub personalizacji.
• Zrozumienie oceny modelu, eksperymentów i wskaźników wydajności.
• Wygodne pisanie kodu o jakości produkcyjnej i praca z rzeczywistymi zbiorami danych.
• Możliwość zrównoważenia jakości modelu, opóźnień, kosztów i niezawodności.
• Silna własność, umiejętności rozwiązywania problemów
Wyniki
• Modele ML w środowisku produkcyjnym spełniają oczekiwane cele w zakresie dokładności, przydatności, opóźnień i niezawodności.
• Ulepszenia klasyfikacji i rankingu zapewniają wymierny wzrost jakości modelu.
• Procesy oceny identyfikują regresje i wspierają wiarygodne wydania modeli.
• Uczenie, wnioskowanie i potoki danych są solidne, odtwarzalne i łatwe w utrzymaniu.
• Ulepszenia modeli opierają się na informacjach zwrotnych ze świata rzeczywistego i mierzalnych wynikach.
• Skutecznie współpracuje z zespołami inżynieryjnymi i produktowymi, aby dostarczać niezawodne funkcje oparte na technologii ML.
Jak pracujemy
Najlepsze produkty na świecie są budowane przez małe, światowej klasy zespoły. Jesteśmy zespołem o dużym zagęszczeniu talentów i praktycznym zespole. Decyzje podejmujemy wspólnie i działamy szybko, łącząc wysoką jakość pracy z ciągłym uczeniem się.
Dołączenie do naszego zespołu wymaga umiejętności tworzenia struktury, wydawania osądów i niezależnego działania. Naszym celem jest oddanie w ręce naszych użytkowników naprawdę magicznego produktu.
Proces wywiadu
Jeśli okaże się, że pasujemy, skontaktujemy się z Tobą w sprawie harmonogramu 3, ale nie więcej niż 4 rozmów kwalifikacyjnych.
Wnioski są oceniane przez członków naszego zespołu technicznego. Rozmowy kwalifikacyjne będą prowadzone wirtualnie i/lub na miejscu.
Cenimy przejrzystość i efektywność, dlatego spodziewaj się szybkiej decyzji. Jeśli wykazałeś się wyjątkowymi umiejętnościami i nastawieniem, którego szukamy, przedłużymy ofertę dołączenia do nas.
Znajdź oferty pracy w Szwajcarii na Arbeitnow
Źródło: Arbeitnow (https://www.arbeitnow.ch/jobs/companies/bjak/machine-learning-engineer-applied-ai-zurich-427794)
To ogłoszenie pochodzi z feedu partnera. Aplikuj na stronie źródłowej.
Źródło: Bjak
Ogłoszenie pochodzi od Bjak.
