วิศวกรการเรียนรู้ของเครื่องอาวุโส - การประเมิน LLM / การสร้างงาน (ประจำที่อินเดีย)
💡 เคล็ดลับการสมัคร: การคลิก "สมัครฟรีที่ Mercor" จะนำคุณไปยังเว็บไซต์ทางการของ Mercor ซึ่งฟรี 100% สำหรับคุณและยังช่วยสนับสนุนแพลตฟอร์มของเราผ่านโบนัสการแนะนำ
⚠️ หมายเหตุการแปล: ข้อมูลตำแหน่งงานนี้แปลโดย AI หากมีความคลาดเคลื่อนหรือกำกวม โปรดยึดฉบับภาษาอังกฤษเป็นหลัก。
ภาพรวมบทบาท
Mercor กำลังสรรหาบุคลากรในนามของห้องปฏิบัติการวิจัย AI ชั้นนำ เพื่อรับสมัครวิศวกรการเรียนรู้ของเครื่องที่มีทักษะสูงและมีประวัติผลงานที่พิสูจน์แล้วในการสร้าง ฝึกฝน และประเมินระบบ ML ประสิทธิภาพสูงในสภาพแวดล้อมจริง ในบทบาทนี้ คุณจะได้ออกแบบ พัฒนา และดูแลจัดการชุดข้อมูลการเรียนรู้ของเครื่อง งาน และขั้นตอนการประเมินคุณภาพสูง ซึ่งเป็นส่วนสำคัญในการฝึกฝนและเปรียบเทียบระบบ AI ขั้นสูง
ตำแหน่งนี้เหมาะสำหรับวิศวกรที่ประสบความสำเร็จในการแข่งขันด้านการเรียนรู้ของเครื่อง เช่น Kaggle มีความเข้าใจอย่างลึกซึ้งในการสร้างแบบจำลอง และสามารถเปลี่ยนโจทย์ปัญหาที่ซับซ้อนในโลกจริงให้เป็นไปป์ไลน์และชุดข้อมูล ML ที่แข็งแกร่งและมีโครงสร้างที่ดี คุณจะได้ทำงานอย่างใกล้ชิดกับนักวิจัยและวิศวกรเพื่อพัฒนาปัญหา ML ที่สมจริง ตรวจสอบคุณภาพของชุดข้อมูล และขับเคลื่อนการทดลองที่ทำซ้ำได้และสร้างผลกระทบสูง
ผู้สมัครควรมีประสบการณ์ ML ประยุกต์ 3–5 ปีขึ้นไป หรือมีประวัติผลงานที่โดดเด่นในการแข่งขัน ML และต้องประจำอยู่ที่อินเดีย ผู้สมัครในอุดมคติมีความเชี่ยวชาญใน Python มีประสบการณ์ในการสร้างไปป์ไลน์ที่ทำซ้ำได้ และคุ้นเคยกับเฟรมเวิร์กการเปรียบเทียบ (benchmarking frameworks) ระเบียบวิธีให้คะแนน และแนวปฏิบัติที่ดีที่สุดในการประเมิน ML
ความรับผิดชอบ
- กำหนดโจทย์ปัญหา ML ที่ไม่เหมือนใครเพื่อเพิ่มขีดความสามารถ ML ของ LLM
- ออกแบบ สร้าง และเพิ่มประสิทธิภาพโมเดลการเรียนรู้ของเครื่องสำหรับงานการจัดหมวดหมู่ การทำนาย NLP การแนะนำ หรือการสร้าง
- ดำเนินการทดลองอย่างรวดเร็ว ประเมินประสิทธิภาพของโมเดล และปรับปรุงอย่างต่อเนื่อง
- ดำเนินการวิศวกรรมคุณลักษณะขั้นสูงและการเตรียมข้อมูล
- ใช้การทดสอบแบบ adversarial การตรวจสอบความทนทานของโมเดล และการประเมินอคติ
- ปรับแต่ง ประเมิน และปรับใช้โมเดลที่ใช้ Transformer เมื่อจำเป็น
- จัดทำเอกสารที่ชัดเจนเกี่ยวกับชุดข้อมูล การทดลอง และการตัดสินใจเกี่ยวกับโมเดล
- ติดตามงานวิจัย เครื่องมือ และเทคนิค ML ล่าสุดเพื่อพัฒนาขีดความสามารถในการสร้างแบบจำลอง
คุณสมบัติที่จำเป็น
- ประสบการณ์เต็มเวลาอย่างน้อย 3–5 ปี ในการพัฒนาโมเดลการเรียนรู้ของเครื่อง
- วุฒิการศึกษาด้านเทคนิคในสาขาวิทยาการคอมพิวเตอร์ วิศวกรรมไฟฟ้า สถิติ คณิตศาสตร์ หรือสาขาที่เกี่ยวข้อง
- ประสบการณ์การแข่งขันด้านการเรียนรู้ของเครื่องที่แสดงให้เห็น (Kaggle, DrivenData หรือเทียบเท่า)
- หลักฐานผลงานระดับสูงในการแข่งขัน ML (เหรียญ Kaggle, การเข้ารอบสุดท้าย, อันดับบนกระดานผู้นำ)
- มีความเชี่ยวชาญอย่างมากใน Python, PyTorch/TensorFlow และเฟรมเวิร์ก ML/NLP สมัยใหม่
- มีความเข้าใจอย่างถ่องแท้ในพื้นฐาน ML: สถิติ การเพิ่มประสิทธิภาพ การประเมินโมเดล สถาปัตยกรรม
- ประสบการณ์กับการฝึกอบรมแบบกระจาย ไปป์ไลน์ ML และการติดตามการทดลอง
- ทักษะการแก้ปัญหาที่แข็งแกร่งและการคิดเชิงอัลกอริทึม
- ประสบการณ์การทำงานกับสภาพแวดล้อมคลาวด์ (AWS/GCP/Azure)
- ทักษะการวิเคราะห์ การสื่อสาร และมนุษยสัมพันธ์ที่เป็นเลิศ
- ความสามารถในการอธิบายการตัดสินใจเกี่ยวกับแบบจำลอง ข้อดีข้อเสีย และผลการประเมินได้อย่างชัดเจน
- สามารถใช้ภาษาอังกฤษได้อย่างคล่องแคล่ว
คุณสมบัติที่พึงมี / เป็นประโยชน์
- Kaggle Grandmaster, Master หรือได้รับ เหรียญทอง หลายเหรียญ
- ประสบการณ์ในการสร้างเกณฑ์มาตรฐาน การประเมิน หรือโจทย์ปัญหา ML
- มีพื้นฐานในโมเดลสร้างสรรค์ (generative models), LLM หรือการเรียนรู้แบบหลายรูปแบบ (multimodal learning)
- ประสบการณ์กับการฝึกอบรมแบบกระจายขนาดใหญ่
- ประสบการณ์ก่อนหน้าในงานวิจัย AI, แพลตฟอร์ม ML หรือทีมโครงสร้างพื้นฐาน
- มีส่วนร่วมในบล็อกทางเทคนิค โครงการโอเพนซอร์ส หรือสิ่งพิมพ์งานวิจัย
- ประสบการณ์การให้คำปรึกษาหรือความเป็นผู้นำทางเทคนิคมาก่อน
- มีผลงานวิจัยตีพิมพ์ (การประชุมหรือวารสาร)
- ประสบการณ์กับการปรับแต่ง LLM, ฐานข้อมูลเวกเตอร์ หรือเวิร์กโฟลว์ AI เชิงสร้างสรรค์
- คุ้นเคยกับเครื่องมือ MLOps: Weights & Biases, MLflow, Airflow, Docker และอื่น ๆ
- ประสบการณ์ในการเพิ่มประสิทธิภาพการอนุมานและปรับใช้โมเดลในวงกว้าง
เหตุผลที่ควรเข้าร่วม
- ได้สัมผัสกับเวิร์กโฟลว์งานวิจัย AI ล้ำสมัย ทำงานอย่างใกล้ชิดกับนักวิทยาศาสตร์ข้อมูล วิศวกร ML และผู้นำการวิจัยที่กำลังสร้างระบบ AI ยุคหน้า
- ทำงานกับความท้าทายด้านการเรียนรู้ของเครื่องที่มีผลกระทบสูง พร้อมทดลองใช้กลยุทธ์การสร้างแบบจำลองขั้นสูง วิธีการวิเคราะห์ใหม่ ๆ และเทคนิคการตรวจสอบระดับการแข่งขัน
- ร่วมงานกับห้องปฏิบัติการ AI ระดับโลกและทีมเทคนิคที่ทำงานอยู่แนวหน้าของการพยากรณ์ การทดลอง ML เชิงตาราง และการวิเคราะห์แบบหลายรูปแบบ
- ตัวเลือกการทำงานที่ยืดหยุ่น (30–40 ชั่วโมง/สัปดาห์ หรือเต็มเวลา) — เหมาะสำหรับวิศวกร ML ที่กระตือรือร้นที่จะนำทักษะการแก้ปัญหาในระดับ Kaggle มาประยุกต์ใช้กับระบบ AI ระดับการผลิตในโลกจริง
- ทำงานจากระยะไกลได้อย่างเต็มที่และยืดหยุ่นทั่วโลก — เหมาะสำหรับการทำงานเชิงเทคนิคเชิงลึก การทำงานร่วมกันแบบอะซิงโครนัส และสภาพแวดล้อมการวิจัยที่มีผลผลิตสูง
รับการแจ้งเตือนงานที่เหมาะกับคุณ