Uygulamalı ML Mühendisi

Bu pozisyon, tüm başvuruları ve sonraki adımları yöneten bir ortak şirket adına listelenmiştir. Ortağımız İsviçre merkezli bir Uygulamalı ML Mühendisi arıyor.

Uygulamalı ML Mühendisi olarak makine öğrenimi araştırması, deneme ve üretim mühendisliğinin kesişiminde çalışacaksınız.
Araştırma makalelerindeki fikirleri titiz deneylere, ölçülebilir kanıtlara ve güvenilir ürünlere dönüştüreceksiniz.
Rol, model değerlendirmesini, modelin dahili bileşenlerini, çıkarım altyapısını, arka uç sistemlerini ve kullanıcıya yönelik ürün deneyimlerini kapsar.
Modern ML modelleriyle uygulamalı çalışacak ve yöntemlerin hangileri gösterip neyi gösteremeyeceğini ortaya koyan değerlendirmeler tasarlayacaksınız.
Ayrıca karmaşık deneyleri kullanıcılar için tekrarlanabilir, gözlemlenebilir ve erişilebilir hale getiren üretim düzeyinde araçlar oluşturacaksınız.
Çevre, teknik muhakemeye, mülkiyete, bilimsel titizliğe ve teknoloji kümesinde rahatça hareket etme yeteneğine değer verir.
Bu, ortaya çıkan makine öğrenimi tekniklerinin insanların güvenebileceği pratik sistemlere dönüştürülmesine yardımcı olacak bir fırsattır.

Sorumluluklar

• Açık ağırlıklı ve API erişimli modelleri kullanarak makine öğrenimi araştırma yöntemlerini yeniden üretin ve değerlendirin.

• Değerlendirme veri kümelerini, araştırmaları, puanlama yaklaşımlarını, temel çizgileri, kalibrasyon testlerini ve deney donanımlarını tasarlayın.

• Gerektiğinde doğrudan model ağırlıkları, logitler, gizli durumlar, aktivasyonlar, model API'leri ve çıkarım altyapısıyla çalışın.

• Deney yürütücülerini, hakemleri, kalıcılığı, orkestrasyonu, raporlamayı ve tekrarlanabilirliği kapsayan değerlendirme altyapısını oluşturun ve genişletin.

• Araştırma iş akışlarını, deneme yapılandırması, yürütme, izlemeler, karşılaştırmalar, raporlar ve inceleme iş akışları dahil olmak üzere sezgisel ürün deneyimlerine dönüştürün.

• Modeller ince ayar, birleştirme, nicemleme, damıtma, güvenliğin ortadan kaldırılması veya kasıtlı kaçınma yoluyla değiştirildiğinde doğrulama yöntemlerinin nasıl davrandığını araştırın.

• Anlamlı sinyalleri artefaktlardan, karıştırıcılardan ve yanıltıcı korelasyonlardan ayıran kontrollü deneyler tasarlayın.

• Ölçülen kanıtları yorum ve hipotezlerden ayıran net teknik raporlar üretin.

• API'ler, eşzamansız işler, veritabanları, gözlemlenebilirlik, test etme, dağıtım ve belgelerle üretim kalitesinde sistemler sunun.

• Öncelikler değiştikçe araştırma, deney, mühendislik ve ürüne katkıda bulunun.

• İlk altı ay boyunca, yetenekleri, varsayımları ve sınırlamaları da dahil olmak üzere, yayınlanmış en az bir model kaynağı veya doğrulama yöntemini çoğaltın ve belgeleyin.

• Sürümlendirilmiş girişler, yapılar, ölçümler ve raporlarla tekrarlanabilir bir model doğrulama çalıştırıcısı oluşturun ve en az bir doğrulama iş akışının ürün arayüzü aracılığıyla erişilebilir olmasını sağlayın.

• Temel, ince ayarlı, birleştirilmiş, nicemlenmiş ve bilinen damıtılmış modeller üzerinde kontrollü deneyler gerçekleştirerek doğrulama yöntemlerinin ne zaman başarılı, başarısız olduğu ve neden başarısız olduğu konusundaki anlayışı geliştirin.

Gereksinimler:

• Güçlü Python mühendisliği becerileri ve PyTorch ve Hugging Face Transformers'ı kullanma konusunda uygulamalı deneyim.

• Veri kümesi tasarımı, temeller, ölçümler, kalibrasyon, yanlış pozitifler ve negatifler, istatistiksel belirsizlik ve tekrarlanabilirlik dahil olmak üzere makine öğrenimi değerlendirmesinin sağlam şekilde anlaşılması.

• Makine öğrenimi araştırma makalelerini eleştirel bir şekilde okuma ve tamamen mevcut paketlere dayanmak yerine yöntemleri ilk ilkelerden uygulama becerisi.

• API'ler, eşzamansız işler, veritabanları, günlük kaydı, test, dağıtım ve dokümantasyon dahil olmak üzere dizüstü bilgisayarların ötesinde profesyonel yazılım mühendisliği deneyimi.

• Açık ağırlıklı modellere aşinalık ve modern LLM çıkarım sistemlerinin nasıl çalıştığına dair pratik bir anlayış.

• Karmaşık deneyleri ve sonuçları kullanıcılar için anlaşılır hale getirmeye yardımcı olacak yeterli React/TypeScript bilgisiyle arka uç ve ön uç sınırlarının ötesinde çalışabilme becerisi.

• Güçlü deneysel ve analitik muhakeme, özellikle kanıtın gösterdiği şeyi yalnızca önerdiğinden ayırma konusunda.

• Sorunları tanımlama, çözüm önerme ve bağımsız olarak projeleri ileriye taşıma becerisiyle birlikte yüksek sahiplenme ve inisiyatif.

• Önceliklerin hızlı bir şekilde değişebildiği ve mühendislerin birden fazla fonksiyon üzerinde çalışabildiği, hızlı hareket eden bir başlangıç ​​ortamında çalışma konforu.

• Model kaynağı, parmak izi alma, filigran basma, damıtma tespiti, kırmızı ekip oluşturma, güvenlik değerlendirmesi, yorumlanabilirlik veya ilgili alanlarda deneyim bir artıdır.

• Etkinleştirme ve temsil analizi, araştırma, model kancaları, logitler, gizli durumlar veya diğer model içi teknikler konusunda deneyim avantajlıdır.

• DSPy, LiteLLM, Temporal, Ray, vLLM, PostgreSQL/pgvector veya benzer teknolojiler gibi değerlendirme ve çıkarım altyapısına aşinalık faydalıdır.

• Next.js, React, TypeScript, veri görselleştirme veya deneme kontrol panelleriyle ilgili deneyim bir artıdır.

• Gecikme, verim, bellek, hassasiyet ve maliyet değiş tokuşları hakkında muhakeme de dahil olmak üzere GPU'larda açık ağırlıklı modelleri çalıştırma ve sunma deneyimi değerlidir.

• Tespitten kaçınmaya yönelik kasıtlı girişimlere karşı karşıt değerlendirmeler veya test sistemleri tasarlama deneyimi bir avantajdır.

• Diğer mühendislerin güvenle çalıştırabileceği ve genişletebileceği üretim kalitesinde kod, testler, araçlar ve belgeler üretme konusunda güçlü bir bağlılık.

Faydalar:

• Araştırma, deney, mühendislik ve ürünün kesiştiği noktada uygulamalı makine öğrenimi üzerinde çalışma fırsatı.

• Model değerlendirmesi, model dahili bileşenleri, altyapı, arka uç sistemleri ve kullanıcıya yönelik deneyimler genelinde uçtan uca sahiplik.

• Modern açık ağırlık modellerine, LLM çıkarım sistemlerine ve ortaya çıkan makine öğrenimi doğrulama tekniklerine maruz kalma.

• Önemli teknik özerkliğe ve hem deneyleri hem de üretim sistemlerini şekillendirme fırsatına sahip bir rol.

• Değişen önceliklere ve işlevler arası işbirliğine sahip hızlı hareket eden başlangıç ortamı.…

Kaynak: Arbeitnow (https://www.arbeitnow.ch/jobs/companies/jobgether/applied-ml-engineer-switzerland-194961)