Ανώτερος Μηχανικός Μηχανικής Μάθησης - Αξιολόγηση LLM / Δημιουργία Εργασιών (Με έδρα την Ινδία)

Επισκόπηση Ρόλου

Η Mercor προσλαμβάνει για λογαριασμό ενός κορυφαίου εργαστηρίου έρευνας τεχνητής νοημοσύνης για την ένταξη εξαιρετικά εξειδικευμένων Μηχανικών Μηχανικής Μάθησης με αποδεδειγμένο ιστορικό στην κατασκευή, εκπαίδευση και αξιολόγηση συστημάτων ML υψηλής απόδοσης σε πραγματικά περιβάλλοντα. Σε αυτόν τον ρόλο, θα σχεδιάζετε, θα υλοποιείτε και θα επιμελείστε υψηλής ποιότητας σύνολα δεδομένων μηχανικής μάθησης, εργασίες και ροές εργασίας αξιολόγησης που τροφοδοτούν την εκπαίδευση και τη συγκριτική αξιολόγηση προηγμένων συστημάτων τεχνητής νοημοσύνης.

Αυτή η θέση είναι ιδανική για μηχανικούς που έχουν διακριθεί σε ανταγωνιστικά περιβάλλοντα μηχανικής μάθησης, όπως το Kaggle, διαθέτουν βαθιά μοντελοποιητική διαίσθηση και μπορούν να μεταφράσουν σύνθετες δηλώσεις προβλημάτων του πραγματικού κόσμου σε ισχυρές, καλά δομημένες ροές εργασίας και σύνολα δεδομένων ML. Θα συνεργάζεστε στενά με ερευνητές και μηχανικούς για την ανάπτυξη ρεαλιστικών προβλημάτων ML, τη διασφάλιση της ποιότητας των συνόλων δεδομένων και την προώθηση αναπαραγώγιμων πειραμάτων υψηλού αντίκτυπου.

Οι υποψήφιοι πρέπει να έχουν 3–5+ χρόνια εφαρμοσμένης εμπειρίας ML ή ισχυρό ιστορικό σε ανταγωνιστικό ML, και πρέπει να έχουν έδρα την Ινδία. Οι ιδανικοί υποψήφιοι είναι ικανοί στην Python, έμπειροι στην κατασκευή αναπαραγώγιμων ροών εργασίας και εξοικειωμένοι με πλαίσια συγκριτικής αξιολόγησης, μεθοδολογίες βαθμολόγησης και βέλτιστες πρακτικές αξιολόγησης ML.

Αρμοδιότητες

• Διαμόρφωση μοναδικών προβλημάτων ML για την ενίσχυση των δυνατοτήτων ML των LLM.
• Σχεδιασμός, κατασκευή και βελτιστοποίηση μοντέλων μηχανικής μάθησης για εργασίες ταξινόμησης, πρόβλεψης, NLP, σύστασης ή παραγωγής.
• Διεξαγωγή κύκλων ταχέων πειραμάτων, αξιολόγηση της απόδοσης του μοντέλου και συνεχής επανάληψη.
• Διεξαγωγή προηγμένης μηχανικής χαρακτηριστικών (feature engineering) και προεπεξεργασίας δεδομένων.
• Υλοποίηση εχθρικών δοκιμών (adversarial testing), ελέγχων ανθεκτικότητας μοντέλων και αξιολογήσεων μεροληψίας.
• Λεπτορρύθμιση (fine-tuning), αξιολόγηση και ανάπτυξη μοντέλων βασισμένων σε transformers όπου είναι απαραίτητο.
• Διατήρηση σαφούς τεκμηρίωσης συνόλων δεδομένων, πειραμάτων και αποφάσεων μοντέλων.
• Παρακολούθηση των τελευταίων ερευνών, εργαλείων και τεχνικών ML για την προώθηση των δυνατοτήτων μοντελοποίησης.

Απαιτούμενα Προσόντα

• Τουλάχιστον 3–5 χρόνια πλήρους απασχόλησης εμπειρίας στην ανάπτυξη μοντέλων μηχανικής μάθησης
• Τεχνικό πτυχίο στην Επιστήμη Υπολογιστών, Ηλεκτρολόγων Μηχανικών, Στατιστική, Μαθηματικά ή σε σχετικό πεδίο
• Αποδεδειγμένη εμπειρία σε ανταγωνιστική μηχανική μάθηση (Kaggle, DrivenData ή ισοδύναμο)
• Απόδειξη κορυφαίας απόδοσης σε διαγωνισμούς ML (μετάλλια Kaggle, θέσεις φιναλίστ, κατατάξεις στον πίνακα κατάταξης)
• Ισχυρή επάρκεια σε Python, PyTorch/TensorFlow και σύγχρονα πλαίσια ML/NLP
• Στερεή κατανόηση των βασικών αρχών ML: στατιστική, βελτιστοποίηση, αξιολόγηση μοντέλων, αρχιτεκτονικές
• Εμπειρία με κατανεμημένη εκπαίδευση, ροές εργασίας ML και παρακολούθηση πειραμάτων
• Ισχυρές δεξιότητες επίλυσης προβλημάτων και αλγοριθμική σκέψη
• Εμπειρία εργασίας με περιβάλλοντα cloud (AWS/GCP/Azure)
• Εξαιρετικές αναλυτικές, επικοινωνιακές και διαπροσωπικές δεξιότητες
• Ικανότητα σαφούς επεξήγησης αποφάσεων μοντελοποίησης, συμβιβασμών και αποτελεσμάτων αξιολόγησης
• Άριστη γνώση Αγγλικών

Προτιμώμενα / Επιθυμητά Προσόντα

• Kaggle Grandmaster, Master, ή πολλαπλά Χρυσά Μετάλλια
• Εμπειρία στη δημιουργία συγκριτικών αξιολογήσεων (benchmarks), αξιολογήσεων ή προβλημάτων πρόκλησης ML
• Υπόβαθρο σε παραγωγικά μοντέλα, LLM ή πολυτροπική μάθηση
• Εμπειρία με κατανεμημένη εκπαίδευση μεγάλης κλίμακας
• Προηγούμενη εμπειρία σε έρευνα AI, πλατφόρμες ML ή ομάδες υποδομής
• Συνεισφορές σε τεχνικά ιστολόγια, έργα ανοιχτού κώδικα ή ερευνητικές δημοσιεύσεις
• Προηγούμενη εμπειρία καθοδήγησης ή τεχνικής ηγεσίας
• Δημοσιευμένες ερευνητικές εργασίες (συνεδρίου ή περιοδικού)
• Εμπειρία με λεπτορρύθμιση LLM, διανυσματικές βάσεις δεδομένων ή ροές εργασίας παραγωγικής AI
• Εξοικείωση με εργαλεία MLOps: Weights & Biases, MLflow, Airflow, Docker, κ.λπ.
• Εμπειρία βελτιστοποίησης της απόδοσης συμπερασματολογίας (inference) και ανάπτυξης μοντέλων σε κλίμακα

Γιατί να Ενταχθείτε

• Αποκτήστε έκθεση σε πρωτοποριακές ροές εργασίας έρευνας AI, συνεργαζόμενοι στενά με επιστήμονες δεδομένων, μηχανικούς ML και ηγέτες έρευνας που διαμορφώνουν τα συστήματα AI επόμενης γενιάς.
• Εργαστείτε σε προκλήσεις μηχανικής μάθησης υψηλού αντίκτυπου, ενώ πειραματίζεστε με προηγμένες στρατηγικές μοντελοποίησης, νέες αναλυτικές μεθόδους και τεχνικές επικύρωσης επιπέδου διαγωνισμού.
• Συνεργαστείτε με παγκόσμιας κλάσης εργαστήρια AI και τεχνικές ομάδες που δραστηριοποιούνται στην αιχμή της πρόβλεψης, του πειραματισμού, του tabular ML και της πολυτροπικής ανάλυσης.
• Ευέλικτες επιλογές απασχόλησης (30–40 ώρες/εβδομάδα ή πλήρης απασχόληση) — ιδανικό για μηχανικούς ML που επιθυμούν να εφαρμόσουν την επίλυση προβλημάτων επιπέδου Kaggle σε πραγματικά συστήματα AI παραγωγικής ποιότητας.
• Πλήρως απομακρυσμένη και παγκοσμίως ευέλικτη — βελτιστοποιημένη για βαθιά τεχνική εργασία, ασύγχρονη συνεργασία και ερευνητικά περιβάλλοντα υψηλής απόδοσης.