Старший инженер по машинному обучению — Оценка LLM / Создание задач (Местонахождение: Индия)

Обзор роли

Mercor ведет набор для ведущей исследовательской лаборатории ИИ, чтобы привлечь высококвалифицированных инженеров по машинному обучению с подтвержденным опытом создания, обучения и оценки высокопроизводительных систем машинного обучения в реальных условиях. На этой должности вы будете разрабатывать, внедрять и курировать высококачественные наборы данных, задачи и рабочие процессы оценки для машинного обучения, которые обеспечивают обучение и бенчмаркинг передовых систем ИИ.

Эта позиция идеально подходит для инженеров, которые преуспели в соревновательном машинном обучении, например, на Kaggle, обладают глубокой интуицией в моделировании и способны преобразовывать сложные реальные проблемы в надежные, хорошо структурированные конвейеры и наборы данных машинного обучения. Вы будете тесно сотрудничать с исследователями и инженерами для разработки реалистичных проблем машинного обучения, обеспечения качества наборов данных и проведения воспроизводимых, высокоэффективных экспериментов.

Кандидаты должны иметь 3–5+ лет опыта прикладного машинного обучения или значительные достижения в соревновательном машинном обучении, а также проживать в Индии. Идеальные кандидаты свободно владеют Python, имеют опыт создания воспроизводимых конвейеров и знакомы с фреймворками для бенчмаркинга, методологиями оценки и лучшими практиками оценки моделей машинного обучения.

Обязанности

• Формулировать уникальные проблемы машинного обучения для улучшения возможностей LLM.
• Разрабатывать, создавать и оптимизировать модели машинного обучения для задач классификации, прогнозирования, обработки естественного языка (NLP), рекомендаций или генеративных задач.
• Проводить быстрые циклы экспериментов, оценивать производительность моделей и постоянно итерировать.
• Выполнять продвинутую разработку признаков и предварительную обработку данных.
• Внедрять состязательное тестирование, проверки устойчивости моделей и оценки предвзятости.
• Дообучать, оценивать и развертывать модели на основе трансформеров при необходимости.
• Вести четкую документацию по наборам данных, экспериментам и решениям по моделям.
• Быть в курсе последних исследований, инструментов и методов машинного обучения для продвижения возможностей моделирования.

Требуемая квалификация

• Не менее 3–5 лет полного рабочего дня в разработке моделей машинного обучения
• Техническое образование в области компьютерных наук, электротехники, статистики, математики или смежной области
• Подтвержденный опыт в соревновательном машинном обучении (Kaggle, DrivenData или аналогичные платформы)
• Доказательства высококлассных результатов в соревнованиях по машинному обучению (медали Kaggle, выход в финал, высокие места в таблице лидеров)
• Уверенное владение Python, PyTorch/TensorFlow и современными фреймворками ML/NLP
• Глубокое понимание основ машинного обучения: статистика, оптимизация, оценка моделей, архитектуры
• Опыт работы с распределенным обучением, конвейерами машинного обучения и отслеживанием экспериментов
• Сильные навыки решения проблем и алгоритмическое мышление
• Опыт работы с облачными средами (AWS/GCP/Azure)
• Исключительные аналитические, коммуникативные и межличностные навыки
• Способность четко объяснять решения по моделированию, компромиссы и результаты оценки
• Свободное владение английским языком

Желательная квалификация / Будет плюсом

• Kaggle Grandmaster, Master или несколько золотых медалей
• Опыт создания бенчмарков, оценок или задач для ML-соревнований
• Опыт работы с генеративными моделями, LLM или мультимодальным обучением
• Опыт крупномасштабного распределенного обучения
• Предыдущий опыт в исследованиях ИИ, на платформах ML или в командах инфраструктуры
• Вклад в технические блоги, проекты с открытым исходным кодом или научные публикации
• Предыдущий опыт наставничества или технического руководства
• Опубликованные научные работы (конференции или журналы)
• Опыт тонкой настройки LLM, работы с векторными базами данных или рабочими процессами генеративного ИИ
• Знакомство с инструментами MLOps: Weights & Biases, MLflow, Airflow, Docker и т.д.
• Опыт оптимизации производительности инференса и развертывания моделей в масштабе

Почему стоит присоединиться

• Получите доступ к передовым рабочим процессам исследований ИИ, тесно сотрудничая с дата-сайентистами, инженерами по машинному обучению и лидерами исследований, формирующими системы ИИ следующего поколения.
• Работайте над высокоэффективными задачами машинного обучения, экспериментируя с передовыми стратегиями моделирования, новыми аналитическими методами и методами валидации соревновательного уровня.
• Сотрудничайте с ведущими мировыми лабораториями ИИ и техническими командами, работающими на переднем крае прогнозирования, экспериментирования, табличного машинного обучения и мультимодальной аналитики.
• Гибкие варианты занятости (30–40 часов в неделю или полный рабочий день) — идеально для инженеров по машинному обучению, стремящихся применить навыки решения проблем уровня Kaggle к реальным, производственным системам ИИ.
• Полностью удаленная работа и глобальная гибкость — оптимизировано для глубокой технической работы, асинхронного сотрудничества и высокопроизводительных исследовательских сред.