Konstruktor AI — pracujący student

Laboratoria EggAI · Pracujący student · Osobiście (Tübingen, Niemcy)
Projektowanie oceny cyklu życia dla niedeterministycznych systemów AI specyficznych dla danej domeny.
Laboratoria EggAI
Otwieramy laboratoria EggAI w Tybindze. Celem laboratoriów jest testowanie nowych możliwości sztucznej inteligencji, określanie, co się sprawdza i w jaki sposób usprawniają dostarczanie, a następnie tworzenie zasobów wspierających zespoły i klientów. Misja EggAI nie może zostać osiągnięta wyłącznie poprzez jednorazowe projekty klientów, a laboratoria są sposobem na adaptację i skalowanie.
Jako część pierwszej kohorty dołączysz do małej grupy rówieśniczej i będziesz współpracować bezpośrednio z CAIO z EggAI, absolwentem Tybingi. Będziesz także współpracować z naszymi kierownikami ds. inżynierii, produktów i projektów, którzy przedstawią Ci spostrzeżenia na temat problemów klientów, pomogą Ci zrozumieć ich kontekst i rzucić wyzwanie Twoim rozwiązaniom. Twoi inni twórcy sztucznej inteligencji zostaną celowo wybrani tak, aby łączyli różne pasje i mocne strony. Będziesz miał miejsce do eksploracji i oczekuje się, że zamienisz tę eksplorację w coś przydatnego. To nie jest rola skierowana bezpośrednio do klienta.
Problem: EvaOps
Jak udowodnić, że system sztucznej inteligencji działa zgodnie z oczekiwaniami w różnych warunkach?
Zbadamy EvalOps: metody i narzędzia stosowane do sprawdzania, czy systemy sztucznej inteligencji specyficzne dla danej domeny spełniają wymagania behawioralne. Do kluczowych wyzwań stojących przed operacyjnymi systemami sztucznej inteligencji zalicza się niedeterminizm, weryfikacja faktów, projektowanie wskaźników oceny, opóźnienia i koszty. EvalOps muszą pokonać je wszystkie w zdyscyplinowany sposób.
Poniższe pytania będą kierować początkową pracą:

• Zestawy regresji: w jaki sposób eksperci dziedzinowi mogą przekształcić ślady, kod i podpowiedzi w przydatne wartości ewaluacyjne w sposób zapewniający skalowanie?

• Oszacowanie zasięgu: Jak możemy określić ilościowo luki pomiędzy pakietem ewaluacyjnym a zakresem oczekiwanych zachowań agentów?

• Monitorowanie na żywo: Czy możliwe jest wykrycie anomalnych zachowań w produkcji z precyzją podobną do oceny regresji?

• Analiza oceny: ile dowodów wystarczy do podjęcia działań (np. wdrożenie, debugowanie, wycofanie funkcji, wybór innego modelu)? Pomożesz je udoskonalić, przetestować podejścia, stworzyć zasoby i zadać nowe pytania.

Rola
Jako konstruktor AI przeniesiesz otwarty problem EvalOps z badania do działającego prototypu, gotowego do przetestowania. Niezależnie od tego, na czym się skupiasz, oczekuje się, że doprowadzisz problem do użytecznego rezultatu. Oto, co to oznacza w praktyce:

• Zbadaj powstającą sztuczną inteligencję i możliwości oceny oraz odróżnij treść od szumu.

• Zrozumienie użytkownika, przepływu pracy, domeny i problemów organizacyjnych związanych z pracą.

• Ocenić przydatność, jakość, bezpieczeństwo i niezawodność na podstawie odpowiednich dowodów.

• Jasno komunikuj decyzje i uczenie się.

• Twórz zasoby, które inni ludzie mogą zrozumieć, wykorzystać i ulepszyć.

• Koduj i buduj od początku do końca.

Ta wspólna podstawa pozostawia miejsce dla różnych mocnych stron i zainteresowań. Następnie każdy twórca AI rozwinie większą głębię w jednym z trzech filarów.
Trzy filary, różne pasje
Filar
Pytanie dotyczące jazdy
Możliwy nacisk na EvalOps

Produkt
Co powinniśmy zbudować?
Przepływy pracy i interfejsy, które pomagają ekspertom w danej dziedzinie tworzyć oceny, sprawdzać ślady, rozumieć wyniki i podejmować decyzje.

Inżynieria
Jak powinniśmy to zbudować?
Niezawodna i skalowalna infrastruktura oceny, przetwarzanie śladów, monitorowanie i narzędzia do zarządzania.

Nauka o danych
Skąd wiemy, że to działa?
Miary pokrycia, strategie pobierania próbek, metody punktacji, testy statystyczne, wykrywanie anomalii i rozumowanie w warunkach niepewności.

Oczekujemy, że każdy twórca sztucznej inteligencji rozwinie praktyczne podstawy na wszystkich trzech filarach i będzie głębiej zagłębiał się w ten, który najlepiej odpowiada jego pasji.
Co cenimy

• Problemowa obsesja. Trudne pytanie pobudza twoją ciekawość. Ciągle do tego powracasz, realizujesz pomysły, nie czekając na instrukcje, i bardzo zależy Ci na znalezieniu skutecznej odpowiedzi.

• Inicjatywa i kontynuacja. Zamieniasz niepewność w coś, co możesz zbadać, przetestować i ulepszyć — i zachować zaradność, gdy pierwsze podejście zawiedzie.

• Dowody, że wszystko działa. Pokaż nam coś, co stworzyłeś, jakie decyzje podjąłeś i czego się nauczyłeś po drodze.

• Niezależny osąd. Sam testujesz nowe możliwości, odróżniasz dowody od entuzjazmu i zmieniasz zdanie, gdy wyniki tego wymagają.

• Hojność we współpracy. Wyjaśniasz swój sposób myślenia, szukasz szczerej opinii, działasz zgodnie z nią i pomagasz innym robić postępy.

Co jest wymagane

• Kontynuujesz studia magisterskie.

• Możesz napisać kod i zamienić pomysł w działające, przetestowane oprogramowanie.

• Możesz pracować w Tybindze i porozumiewać się płynnie po angielsku, języku naszej firmy.

Odpowiednie dziedziny obejmują informatykę, uczenie maszynowe, matematykę, fizykę, bioinformatykę, neuronaukę obliczeniową, informatykę medyczną, naukę danych ilościowych, nauki kognitywne. Zapraszamy również kandydatów z innych dyscyplin, którzy mogą wykazać się umiejętnością rozwiązywania problemów i praktycznymi umiejętnościami technicznymi.
Co zyskasz

• Znajomość branży. Dowiedz się, co działa, a co psuje się w rzeczywistych systemach AI przedsiębiorstw, dzięki dostępowi do problemów z pracy klienta EggAI

• Znacząca własność. Przekształć problem EvalOps w działające, ocenione rozwiązanie, mając swobodę kształtowania podejścia.

• Bliski mentoring. Współpracuj bezpośrednio z dyrektorem AI EggAI i wyostrzaj swoją ocenę dzięki opiniom od kierowników inżynierii, produktów i projektów.

• Miejsce do rozwoju. Pogłębiaj swoje mocne strony, ucz się od rówieśników o uzupełniających się perspektywach i korzystaj z nowoczesnych narzędzi do rozwoju sztucznej inteligencji w przypadku nierozwiązanych problemów.

• Głos w kierunku laboratorium. Pomóż w ustaleniu praktyk pracy, zaproponuj nowe pytania i wywrzyj wpływ na dalsze działania.

• Konkurencyjne wynagrodzenie, obejmujące uznanie za wyjątkowy wkład oraz potencjalną ścieżkę do pełnoetatowej pracy w EggAI po ukończeniu studiów…

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