Senior Maskinlæringsingeniør - Evaluering af store sprogmodeller (LLM) / Opgaveudvikling (Baseret i Indien)

Rolleoversigt

Mercor rekrutterer på vegne af et førende AI-forskningslaboratorium for at tiltrække højt kvalificerede maskinlæringsingeniører med en dokumenteret track record i at bygge, træne og evaluere højtydende ML-systemer i virkelige miljøer. I denne rolle vil du designe, implementere og kuratere maskinlæringsdatasæt, opgaver og evalueringsworkflows af høj kvalitet, der driver træning og benchmarking af avancerede AI-systemer.

Denne stilling er ideel for ingeniører, der har udmærket sig i konkurrenceprægede maskinlæringsmiljøer som Kaggle, besidder dyb modelleringsintuition og kan omsætte komplekse problemstillinger fra den virkelige verden til robuste, velstrukturerede ML-pipelines og datasæt. Du vil arbejde tæt sammen med forskere og ingeniører for at udvikle realistiske ML-problemer, sikre datasætkvalitet og drive reproducerbar, høj-impact eksperimentering.

Kandidater bør have 3-5+ års anvendt ML-erfaring eller en stærk track record inden for konkurrencepræget ML og skal være baseret i Indien. Ideelle ansøgere er dygtige i Python, erfarne i at bygge reproducerbare pipelines og fortrolige med benchmarking-rammer, scoringsmetodologier og bedste praksis for ML-evaluering.

Ansvarsområder

• Definere unikke ML-problemer for at forbedre ML-kapaciteterne i store sprogmodeller (LLM).
• Designe, bygge og optimere maskinlæringsmodeller til klassifikation, forudsigelse, NLP, anbefaling eller generative opgaver.
• Udføre hurtige eksperimenteringscyklusser, evaluere modelpræstation og iterere kontinuerligt.
• Udføre avanceret feature engineering og dataforbehandling.
• Implementere adversarial testing, kontrol af modelrobusthed og bias-evalueringer.
• Finjustere, evaluere og implementere transformer-baserede modeller, hvor det er nødvendigt.
• Vedligeholde klar dokumentation af datasæt, eksperimenter og modelbeslutninger.
• Holde sig opdateret med den seneste ML-forskning, værktøjer og teknikker for at fremme modelleringskapaciteterne.

Nødvendige kvalifikationer

• Mindst 3-5 års fuldtids erfaring med udvikling af maskinlæringsmodeller
• Teknisk grad inden for datalogi, elektroteknik, statistik, matematik eller et beslægtet felt
• Dokumenteret erfaring med konkurrencepræget maskinlæring (Kaggle, DrivenData eller tilsvarende)
• Bevis for top-tier præstation i ML-konkurrencer (Kaggle-medaljer, finalistplaceringer, leaderboard-rangeringer)
• Stærk færdighed i Python, PyTorch/TensorFlow og moderne ML/NLP-frameworks
• Solid forståelse af ML-grundprincipper: statistik, optimering, model-evaluering, arkitekturer
• Erfaring med distribueret træning, ML-pipelines og eksperiment-tracking
• Stærke problemløsningsevner og algoritmisk tænkning
• Erfaring med cloud-miljøer (AWS/GCP/Azure)
• Exceptionelle analytiske, kommunikative og interpersonelle færdigheder
• Evne til klart at forklare modelleringsbeslutninger, afvejninger og evalueringsresultater
• Flydende i engelsk

Foretrukne / Fordelagtige kvalifikationer

• Kaggle Grandmaster, Master eller flere guldmedaljer
• Erfaring med at skabe benchmarks, evalueringer eller ML-udfordringsproblemer
• Baggrund inden for generative modeller, store sprogmodeller (LLM) eller multimodal læring
• Erfaring med storskala distribueret træning
• Tidligere erfaring inden for AI-forskning, ML-platforme eller infrastrukturteams
• Bidrag til tekniske blogs, open source-projekter eller forskningspublikationer
• Tidligere mentor- eller teknisk ledelseserfaring
• Publicerede forskningsartikler (konference eller tidsskrift)
• Erfaring med finjustering af store sprogmodeller (LLM), vektordatabaser eller generative AI-workflows
• Kendskab til MLOps-værktøjer: Weights & Biases, MLflow, Airflow, Docker osv.
• Erfaring med at optimere inferenspræstation og implementere modeller i stor skala

Hvorfor tilslutte sig

• Få indsigt i banebrydende AI-forskningsworkflows, i tæt samarbejde med data scientists, ML-ingeniører og forskningsledere, der former næste generations AI-systemer.
• Arbejd med høj-impact maskinlæringsudfordringer, mens du eksperimenterer med avancerede modelleringsstrategier, nye analytiske metoder og valideringsteknikker af konkurrencekvalitet.
• Samarbejd med AI-laboratorier og tekniske teams i verdensklasse, der opererer i frontlinjen inden for forecasting, eksperimentering, tabulær ML og multimodal analyse.
• Fleksible engagementmuligheder (30-40 timer/uge eller fuldtid) – ideelt for ML-ingeniører, der er ivrige efter at anvende problemløsning på Kaggle-niveau til virkelige, produktionsklare AI-systemer.
• Fuldt fjernbaseret og globalt fleksibelt – optimeret til dybt teknisk arbejde, asynkron samarbejde og højtydende forskningsmiljøer.