Senior Maskinlæringsingeniør - LLM-evaluering / Oppgaveutvikling (Basert i India)

Role Overview

Mercor ansetter på vegne av et ledende AI-forskningslaboratorium for å rekruttere svært dyktige maskinlæringsingeniører med dokumentert erfaring i å bygge, trene og evaluere høytytende ML-systemer i virkelige miljøer. I denne rollen vil du designe, implementere og kuratere høykvalitets maskinlæringsdatasett, oppgaver og evalueringsarbeidsflyter som driver trening og benchmarking av avanserte AI-systemer.

Denne stillingen er ideell for ingeniører som har utmerket seg i konkurransepregede maskinlæringsmiljøer som Kaggle, besitter dyp modelleringsintuisjon, og kan oversette komplekse problemstillinger fra den virkelige verden til robuste, velstrukturerte ML-pipelines og datasett. Du vil jobbe tett med forskere og ingeniører for å utvikle realistiske ML-problemer, sikre datakvalitet og drive reproduserbar, virkningsfull eksperimentering.

Kandidater bør ha 3–5+ års erfaring med anvendt ML eller en sterk merittliste innen konkurransepreget ML, og må være basert i India. Ideelle søkere er dyktige i Python, erfarne i å bygge reproduserbare pipelines, og kjent med benchmarking-rammeverk, scoringsmetoder og beste praksis for ML-evaluering.

Responsibilities

• Ramme unike ML-problemer for å forbedre ML-kapasiteten til LLM-er.
• Designe, bygge og optimalisere maskinlæringsmodeller for klassifisering, prediksjon, NLP, anbefaling eller generative oppgaver.
• Kjøre raske eksperimenteringssykluser, evaluere modellens ytelse og iterere kontinuerlig.
• Utføre avansert feature engineering og databehandling.
• Implementere adversarial testing, sjekker av modellrobusthet og skjevhetsevalueringer.
• Finjustere, evaluere og distribuere transformatorbaserte modeller der det er nødvendig.
• Opprettholde tydelig dokumentasjon av datasett, eksperimenter og modellbeslutninger.
• Holde seg oppdatert på den nyeste ML-forskningen, verktøyene og teknikkene for å fremme modelleringskapasiteten.

Required Qualifications

• Minst 3–5 års fulltidserfaring med utvikling av maskinlæringsmodeller
• Teknisk grad innen informatikk, elektroteknikk, statistikk, matematikk eller et relatert felt
• Dokumentert erfaring med konkurransepreget maskinlæring (Kaggle, DrivenData eller tilsvarende)
• Bevis på toppytelse i ML-konkurranser (Kaggle-medaljer, finalistplasseringer, ledertavlerangeringer)
• Sterk kompetanse i Python, PyTorch/TensorFlow, og moderne ML/NLP-rammeverk
• Solid forståelse av ML-grunnleggende: statistikk, optimalisering, modellevaluering, arkitekturer
• Erfaring med distribuert trening, ML-pipelines og eksperimentsporing
• Sterke problemløsningsevner og algoritmisk tenkning
• Erfaring med skybaserte miljøer (AWS/GCP/Azure)
• Eksepsjonelle analytiske, kommunikasjons- og mellommenneskelige ferdigheter
• Evne til å tydelig forklare modelleringsbeslutninger, avveininger og evalueringsresultater
• Flytende i engelsk

Preferred / Nice to Have

• Kaggle Grandmaster, Master, eller flere gullmedaljer
• Erfaring med å lage benchmarks, evalueringer eller ML-utfordringsproblemer
• Bakgrunn innen generative modeller, LLM-er eller multimodal læring
• Erfaring med storskala distribuert trening
• Tidligere erfaring innen AI-forskning, ML-plattformer eller infrastrukturlag
• Bidrag til tekniske blogger, åpen kildekode-prosjekter eller forskningspublikasjoner
• Tidligere veilednings- eller teknisk ledererfaring
• Publiserte forskningsartikler (konferanse eller tidsskrift)
• Erfaring med LLM-finjustering, vektordatabaser eller generative AI-arbeidsflyter
• Kjennskap til MLOps-verktøy: Weights & Biases, MLflow, Airflow, Docker, etc.
• Erfaring med å optimalisere inferensytelse og distribuere modeller i stor skala

Why Join

• Få eksponering for banebrytende AI-forskningsarbeidsflyter, og samarbeid tett med dataforskere, ML-ingeniører og forskningsledere som former neste generasjons AI-systemer.
• Arbeid med virkningsfulle maskinlæringsutfordringer mens du eksperimenterer med avanserte modelleringsstrategier, nye analytiske metoder og valideringsteknikker av konkurransekvalitet.
• Samarbeid med AI-laboratorier og tekniske team i verdensklasse som opererer i forkant av prognoser, eksperimentering, tabulær ML og multimodal analyse.
• Fleksible engasjementsmuligheter (30–40 timer/uke eller fulltid) – ideelt for ML-ingeniører som er ivrige etter å anvende problemløsning på Kaggle-nivå på virkelige, produksjonsklare AI-systemer.
• Fullt eksternt og globalt fleksibelt – optimalisert for dypt teknisk arbeid, asynkron samarbeid og forskningsmiljøer med høy produksjon.