مهندس ارشد یادگیری ماشین - ارزیابی LLM / ایجاد وظایف (مستقر در هند)

نمای کلی نقش

Mercor به نمایندگی از یک آزمایشگاه تحقیقاتی پیشرو در زمینه هوش مصنوعی، به دنبال استخدام مهندسان یادگیری ماشین بسیار ماهر با سابقه اثبات شده در ساخت، آموزش و ارزیابی سیستم‌های ML با کارایی بالا در محیط‌های واقعی است. در این نقش، شما مجموعه‌داده‌ها، وظایف و گردش‌کارهای ارزیابی یادگیری ماشین با کیفیت بالا را طراحی، پیاده‌سازی و مدیریت خواهید کرد که آموزش و بنچمارکینگ سیستم‌های پیشرفته هوش مصنوعی را تقویت می‌کنند.

این موقعیت برای مهندسانی ایده‌آل است که در محیط‌های رقابتی یادگیری ماشین مانند Kaggle برتری داشته‌اند، دارای شهود مدل‌سازی عمیق هستند و می‌توانند صورت‌مسئله‌های پیچیده دنیای واقعی را به پایپ‌لاین‌ها و مجموعه‌داده‌های ML قوی و خوش‌ساختار تبدیل کنند. شما از نزدیک با محققان و مهندسان همکاری خواهید کرد تا مسائل واقع‌گرایانه ML را توسعه دهید، کیفیت مجموعه‌داده‌ها را تضمین کنید و آزمایش‌های قابل تکرار و با تأثیر بالا را پیش ببرید.

داوطلبان باید 3 تا 5 سال یا بیشتر تجربه ML کاربردی یا سابقه قوی در ML رقابتی داشته باشند و باید در هند مستقر باشند. متقاضیان ایده‌آل در پایتون مسلط هستند، در ساخت پایپ‌لاین‌های قابل تکرار تجربه دارند و با چارچوب‌های بنچمارکینگ، متدولوژی‌های امتیازدهی و بهترین روش‌های ارزیابی ML آشنا هستند.

مسئولیت‌ها

• تعریف مسائل ML منحصر به فرد برای افزایش قابلیت‌های ML مدل‌های زبان بزرگ (LLM).
• طراحی، ساخت و بهینه‌سازی مدل‌های یادگیری ماشین برای وظایف طبقه‌بندی، پیش‌بینی، پردازش زبان طبیعی (NLP)، توصیه یا تولیدی.
• اجرای چرخه‌های آزمایش سریع، ارزیابی عملکرد مدل و تکرار مداوم.
• انجام مهندسی ویژگی پیشرفته و پیش‌پردازش داده.
• پیاده‌سازی تست‌های خصمانه، بررسی‌های پایداری مدل و ارزیابی‌های سوگیری.
• تنظیم دقیق، ارزیابی و استقرار مدل‌های مبتنی بر ترانسفورمر در صورت لزوم.
• نگهداری مستندات واضح از مجموعه‌داده‌ها، آزمایش‌ها و تصمیمات مدل.
• به‌روز ماندن با آخرین تحقیقات، ابزارها و تکنیک‌های ML برای پیشبرد قابلیت‌های مدل‌سازی.

صلاحیت‌های مورد نیاز

• حداقل 3 تا 5 سال تجربه تمام‌وقت در توسعه مدل‌های یادگیری ماشین
• مدرک فنی در علوم کامپیوتر، مهندسی برق، آمار، ریاضیات یا رشته‌ای مرتبط
• تجربه اثبات شده در یادگیری ماشین رقابتی (Kaggle، DrivenData یا معادل آن)
• شواهد عملکرد برتر در مسابقات ML (مدال‌های Kaggle، رتبه‌های فینالیست، رتبه‌بندی‌های جدول امتیازات)
• تسلط قوی بر پایتون، PyTorch/TensorFlow و چارچوب‌های مدرن ML/NLP
• درک قوی از اصول ML: آمار، بهینه‌سازی، ارزیابی مدل، معماری‌ها
• تجربه با آموزش توزیع‌شده، پایپ‌لاین‌های ML و ردیابی آزمایش
• مهارت‌های قوی در حل مسئله و تفکر الگوریتمی
• تجربه کار با محیط‌های ابری (AWS/GCP/Azure)
• مهارت‌های تحلیلی، ارتباطی و بین فردی استثنایی
• توانایی توضیح واضح تصمیمات مدل‌سازی، بده‌بستان‌ها و نتایج ارزیابی
• تسلط به زبان انگلیسی

ترجیحی / مزیت محسوب می‌شود

• Kaggle Grandmaster، Master یا چندین مدال طلا
• تجربه در ایجاد بنچمارک‌ها، ارزیابی‌ها یا مسائل چالش‌برانگیز ML
• سابقه در مدل‌های تولیدی، LLM‌ها یا یادگیری چندوجهی
• تجربه با آموزش توزیع‌شده در مقیاس بزرگ
• تجربه قبلی در تحقیقات هوش مصنوعی، پلتفرم‌های ML یا تیم‌های زیرساخت
• مشارکت در وبلاگ‌های فنی، پروژه‌های متن‌باز یا انتشارات تحقیقاتی
• تجربه قبلی در راهنمایی یا رهبری فنی
• مقالات تحقیقاتی منتشر شده (کنفرانس یا ژورنال)
• تجربه با تنظیم دقیق LLM، پایگاه‌های داده برداری یا گردش‌کارهای هوش مصنوعی مولد
• آشنایی با ابزارهای MLOps: Weights & Biases، MLflow، Airflow، Docker و غیره.
• تجربه در بهینه‌سازی عملکرد استنتاج و استقرار مدل‌ها در مقیاس

چرا به ما بپیوندید

• کسب تجربه در گردش‌کارهای تحقیقاتی پیشرفته هوش مصنوعی، همکاری نزدیک با دانشمندان داده، مهندسان ML و رهبران تحقیقاتی که سیستم‌های هوش مصنوعی نسل بعدی را شکل می‌دهند.
• کار بر روی چالش‌های یادگیری ماشین با تأثیر بالا در حین آزمایش با استراتژی‌های مدل‌سازی پیشرفته، روش‌های تحلیلی جدید و تکنیک‌های اعتبارسنجی در سطح رقابتی.
• همکاری با آزمایشگاه‌های هوش مصنوعی در سطح جهانی و تیم‌های فنی که در مرزهای پیش‌بینی، آزمایش، ML جدولی و تحلیل‌های چندوجهی فعالیت می‌کنند.
• گزینه‌های همکاری انعطاف‌پذیر (30 تا 40 ساعت در هفته یا تمام‌وقت) — ایده‌آل برای مهندسان ML که مشتاق به به‌کارگیری حل مسئله در سطح Kaggle در سیستم‌های هوش مصنوعی واقعی و تولیدی هستند.
• کاملاً دورکار و با انعطاف‌پذیری جهانی — بهینه‌سازی شده برای کارهای فنی عمیق، همکاری ناهمزمان و محیط‌های تحقیقاتی با خروجی بالا.