సీనియర్ మెషిన్ లెర్నింగ్ ఇంజనీర్ - LLM మూల్యాంకనం / టాస్క్ సృష్టి (భారతదేశం ఆధారిత)

పాత్ర యొక్క అవలోకనం

మెర్కార్ ఒక ప్రముఖ AI పరిశోధనా ప్రయోగశాల తరపున, నిజ-ప్రపంచ వాతావరణాలలో అధిక-పనితీరు గల ML సిస్టమ్‌లను నిర్మించడం, శిక్షణ ఇవ్వడం మరియు మూల్యాంకనం చేయడంలో నిరూపితమైన రికార్డు ఉన్న అత్యంత నైపుణ్యం కలిగిన మెషిన్ లెర్నింగ్ ఇంజనీర్‌లను నియమించుకుంటోంది. ఈ పాత్రలో, మీరు అధునాతన AI సిస్టమ్‌ల శిక్షణ మరియు బెంచ్‌మార్కింగ్‌కు శక్తినిచ్చే అధిక-నాణ్యత గల మెషిన్ లెర్నింగ్ డేటాసెట్‌లు, పనులు మరియు మూల్యాంకన వర్క్‌ఫ్లోలను రూపొందించడం, అమలు చేయడం మరియు నిర్వహించడం చేస్తారు.

ఈ స్థానం కాగల్ వంటి పోటీ మెషిన్ లెర్నింగ్ సెట్టింగ్‌లలో రాణించిన, లోతైన మోడలింగ్ అంతర్దృష్టిని కలిగి ఉన్న మరియు సంక్లిష్టమైన నిజ-ప్రపంచ సమస్య ప్రకటనలను పటిష్టమైన, చక్కగా నిర్మాణాత్మకమైన ML పైప్‌లైన్‌లు మరియు డేటాసెట్‌లుగా మార్చగల ఇంజనీర్‌లకు అనువైనది. మీరు వాస్తవిక ML సమస్యలను అభివృద్ధి చేయడానికి, డేటాసెట్ నాణ్యతను నిర్ధారించడానికి మరియు పునరుత్పత్తి చేయగల, అధిక-ప్రభావ ప్రయోగాన్ని నడపడానికి పరిశోధకులు మరియు ఇంజనీర్‌లతో సన్నిహితంగా పని చేస్తారు.

అభ్యర్థులకు 3–5+ సంవత్సరాల అప్లైడ్ ML అనుభవం లేదా పోటీ MLలో బలమైన రికార్డు ఉండాలి మరియు భారతదేశంలో నివసించాలి. ఆదర్శవంతమైన దరఖాస్తుదారులు పైథాన్‌లో నిష్ణాతులు, పునరుత్పత్తి చేయగల పైప్‌లైన్‌లను నిర్మించడంలో అనుభవం ఉన్నవారు మరియు బెంచ్‌మార్కింగ్ ఫ్రేమ్‌వర్క్‌లు, స్కోరింగ్ పద్ధతులు మరియు ML మూల్యాంకన ఉత్తమ పద్ధతులతో పరిచయం ఉన్నవారు అయి ఉండాలి.

బాధ్యతలు

• LLMల ML సామర్థ్యాలను మెరుగుపరచడానికి ప్రత్యేకమైన ML సమస్యలను రూపొందించడం.
• వర్గీకరణ, అంచనా, NLP, సిఫార్సు లేదా జనరేటివ్ పనుల కోసం మెషిన్ లెర్నింగ్ మోడల్‌లను రూపొందించడం, నిర్మించడం మరియు ఆప్టిమైజ్ చేయడం.
• వేగవంతమైన ప్రయోగ చక్రాలను నిర్వహించడం, మోడల్ పనితీరును మూల్యాంకనం చేయడం మరియు నిరంతరం పునరావృతం చేయడం.
• అధునాతన ఫీచర్ ఇంజనీరింగ్ మరియు డేటా ప్రీప్రాసెసింగ్ నిర్వహించడం.
• ప్రతికూల పరీక్ష, మోడల్ పటిష్టత తనిఖీలు మరియు పక్షపాత మూల్యాంకనాలను అమలు చేయడం.
• అవసరమైన చోట ట్రాన్స్‌ఫార్మర్-ఆధారిత మోడల్‌లను ఫైన్-ట్యూన్ చేయడం, మూల్యాంకనం చేయడం మరియు డిప్లాయ్ చేయడం.
• డేటాసెట్‌లు, ప్రయోగాలు మరియు మోడల్ నిర్ణయాల స్పష్టమైన డాక్యుమెంటేషన్‌ను నిర్వహించడం.
• మోడలింగ్ సామర్థ్యాలను ముందుకు తీసుకెళ్లడానికి తాజా ML పరిశోధన, సాధనాలు మరియు సాంకేతికతలపై అప్‌డేట్‌గా ఉండటం.

అవసరమైన అర్హతలు

• మెషిన్ లెర్నింగ్ మోడల్ అభివృద్ధిలో కనీసం 3–5 సంవత్సరాల పూర్తి-సమయ అనుభవం
• కంప్యూటర్ సైన్స్, ఎలక్ట్రికల్ ఇంజనీరింగ్, స్టాటిస్టిక్స్, మ్యాథమెటిక్స్ లేదా సంబంధిత రంగంలో సాంకేతిక డిగ్రీ
• నిరూపితమైన పోటీ మెషిన్ లెర్నింగ్ అనుభవం (కాగల్, డ్రైవన్‌డేటా లేదా తత్సమానం)
• ML పోటీలలో అగ్రశ్రేణి పనితీరుకు రుజువు (కాగల్ పతకాలు, ఫైనలిస్ట్ స్థానాలు, లీడర్‌బోర్డ్ ర్యాంకింగ్‌లు)
• పైథాన్, పైటార్చ్/టెన్సర్‌ఫ్లో మరియు ఆధునిక ML/NLP ఫ్రేమ్‌వర్క్‌లలో బలమైన నైపుణ్యం
• ML ప్రాథమిక సూత్రాలపై పటిష్టమైన అవగాహన: గణాంకాలు, ఆప్టిమైజేషన్, మోడల్ మూల్యాంకనం, ఆర్కిటెక్చర్‌లు
• డిస్ట్రిబ్యూటెడ్ ట్రైనింగ్, ML పైప్‌లైన్‌లు మరియు ప్రయోగ ట్రాకింగ్‌తో అనుభవం
• బలమైన సమస్య-పరిష్కార నైపుణ్యాలు మరియు అల్గోరిథమిక్ ఆలోచన
• క్లౌడ్ వాతావరణాలతో (AWS/GCP/Azure) పని చేసిన అనుభవం
• అసాధారణ విశ్లేషణాత్మక, కమ్యూనికేషన్ మరియు పరస్పర నైపుణ్యాలు
• మోడలింగ్ నిర్ణయాలు, ట్రేడ్‌ఆఫ్‌లు మరియు మూల్యాంకన ఫలితాలను స్పష్టంగా వివరించగల సామర్థ్యం
• ఆంగ్లంలో పట్టు

ప్రాధాన్యత / అదనపు అర్హతలు

• కాగల్ గ్రాండ్‌మాస్టర్, మాస్టర్, లేదా బహుళ గోల్డ్ మెడల్స్
• బెంచ్‌మార్క్‌లు, మూల్యాంకనాలు లేదా ML ఛాలెంజ్ సమస్యలను సృష్టించడంలో అనుభవం
• జనరేటివ్ మోడల్స్, LLMలు లేదా మల్టీమోడల్ లెర్నింగ్‌లో నేపథ్యం
• పెద్ద-స్థాయి డిస్ట్రిబ్యూటెడ్ ట్రైనింగ్‌తో అనుభవం
• AI పరిశోధన, ML ప్లాట్‌ఫారమ్‌లు లేదా మౌలిక సదుపాయాల బృందాలలో మునుపటి అనుభవం
• సాంకేతిక బ్లాగులు, ఓపెన్-సోర్స్ ప్రాజెక్ట్‌లు లేదా పరిశోధనా ప్రచురణలకు సహకారం
• మునుపటి మెంటర్‌షిప్ లేదా సాంకేతిక నాయకత్వ అనుభవం
• ప్రచురించబడిన పరిశోధనా పత్రాలు (సదస్సు లేదా జర్నల్)
• LLM ఫైన్-ట్యూనింగ్, వెక్టర్ డేటాబేస్‌లు లేదా జనరేటివ్ AI వర్క్‌ఫ్లోలతో అనుభవం
• MLOps సాధనాలతో పరిచయం: Weights & Biases, MLflow, Airflow, Docker, మొదలైనవి.
• ఇన్ఫరెన్స్ పనితీరును ఆప్టిమైజ్ చేయడంలో మరియు మోడల్‌లను పెద్ద ఎత్తున డిప్లాయ్ చేయడంలో అనుభవం

ఎందుకు చేరాలి

• తదుపరి తరం AI సిస్టమ్‌లను రూపొందించే డేటా సైంటిస్టులు, ML ఇంజనీర్లు మరియు పరిశోధనా నాయకులతో సన్నిహితంగా సహకరిస్తూ, అత్యాధునిక AI పరిశోధనా వర్క్‌ఫ్లోలకు బహిర్గతం అవ్వండి.
• అధునాతన మోడలింగ్ వ్యూహాలు, కొత్త విశ్లేషణాత్మక పద్ధతులు మరియు పోటీ-స్థాయి ధ్రువీకరణ పద్ధతులతో ప్రయోగాలు చేస్తూ, అధిక-ప్రభావ మెషిన్ లెర్నింగ్ సవాళ్లపై పని చేయండి.
• ప్రపంచ స్థాయి AI ల్యాబ్‌లు మరియు ఫోర్‌కాస్టింగ్, ప్రయోగం, టాబులర్ ML మరియు మల్టీమోడల్ అనలిటిక్స్ సరిహద్దులో పనిచేస్తున్న సాంకేతిక బృందాలతో సహకరించండి.
• సౌకర్యవంతమైన నిశ్చితార్థ ఎంపికలు (30–40 గంటలు/వారం లేదా పూర్తి-సమయం) — కాగల్-స్థాయి సమస్య పరిష్కారాన్ని నిజ-ప్రపంచ, ఉత్పత్తి-స్థాయి AI సిస్టమ్‌లకు వర్తింపజేయడానికి ఆసక్తిగా ఉన్న ML ఇంజనీర్‌లకు ఆదర్శప్రాయం.
• పూర్తిగా రిమోట్ మరియు ప్రపంచవ్యాప్తంగా సౌకర్యవంతమైనది — లోతైన సాంకేతిక పని, అసమకాలిక సహకారం మరియు అధిక-ఉత్పత్తి పరిశోధనా వాతావరణాల కోసం ఆప్టిమైజ్ చేయబడింది.