ML Engineer, հեռավար աշխատանք

Այս հայտարարությունը հրապարակել է micro1 ընկերությունը, փնտրվող պաշտոնը՝ ML Engineer։ Պաշտոնը «IT և ծրագրավորում» կատեգորիայից է և ամբողջովին հեռավար։ Ընկերությունը չի սահմանափակում թեկնածուի բնակության վայրը, ուստի կարող եք դիմել այնտեղից, որտեղ ապրում եք։

Հայտարարության մեջ նշված հիմնական գործիքներն են՝ Machine Learning, Python։ Ռեզյումեն պետք է ցույց տա հենց այս հմտությունների կոնկրետ օրինակներ։

Գործատուն հրապարակել է վարձատրությունը՝ $100 - $150 ժամական։ Աշխատանքային ժամերի վերաբերյալ հայտարարությունը պայման չի դնում։

Այս թափուր աշխատատեղն անցել է ավտոմատ ստուգում. ցանկ չեն մտնում այն հայտարարությունները, որոնք պահանջում են օտարերկրյա աշխատանքի թույլտվություն, վիզայի հովանավորություն, որոշակի քաղաքացիություն կամ նշված երկրում բնակություն։

Աշխատանքի նկարագրություն Ժամանակային տոկոսադրույք. 100-150 դոլար Աշխատանքի վայր. Համաշխարհային մակարդակով ճկուն, հեռավոր աշխատանք Պայմանագրի տեւողությունը' շաբաթական մոտ 15 ժամ Աշխատանքային ժամանակացույց. ճկուն, որը թույլ է տալիս ընտրել այն ժամերն ու օրերը, որոնք ձեզ լավագույնս հարմար են, ներառյալ հանգստյան օրերը, եթե նախընտրում եք Մենք փնտրում ենք բարձր մակարդակի մեքենայական ուսուցման մասնագետներ, որոնք կմիանան մեր AI ուսուցման նախագծին, որը կենտրոնացած է մոդելների զարգացման, ուսուցման եւ ենթադրման համակարգերի, թվային հաշվարկների, կատարողականի օպտիմալացման եւ Python ծրագրավորման վրա: Ձեր պատասխանատվությունները ներառում են համակարգչային ուսուցման բարդ առաջադրանքների նախագծումը, իրականացումը, վերանայումը եւ հաստատումը: Տիպային առաջադրանք կարող է ներառում լինել մոդելի մշակումը կամ հարմարեցումը, կրկնվող ուսուցման կամ ենթադրման գործընթացների ստեղծումը, հիշողության կամ արագության բարձրացումը, թվային կամ համակարգային մակարդակի խնդիրների լուծումը եւ ապահովելը, որ վերջնական իրականացումը համապատասխանում է ինչպես ճշգրտության, այնպես էլ կատարողականության չափանիշներին: Այս պաշտոնը հարմարեցված է փորձառու ML ինժեներների եւ հետազոտողների համար, ովքեր խորը գիտակցություն ունեն բարձր մակարդակի API- ի հետեւում գտնվող համակարգերի մասին: Դիմորդները պետք է ունենան զգալի փորձ մի քանի գործիքների հետ ժամանակակից ML էկոհամակարգից եւ պատրաստ լինեն քննարկել իրենց ներդրումները, օպտիմալացումները եւ գործնական դերը: Այն, ինչ պետք է հաղթահարել

* Ստեղծել եւ հավաստիացնել մեքենայական ուսուցման մոդելներ, ուսուցման խողովակաշարներ, եզրակացության համակարգեր եւ աջակցող ենթակառուցվածքներ:

* Մոդելային բաղադրիչների, տվյալների խողովակների, գնահատման մեխանիզմների եւ թվային մեթոդների իրականացումը:

* Կառուցեք վերարտադրելի ծրագրային աշխատանքային հոսքեր ՝ օգտագործելով Python- ը եւ հրամանատար գծի գործիքները:

* Օգտագործեք տենսորային գործողությունները, ավտոմատ տարբերակումը, մոդելային ճարտարապետությունները, նշանավորումը, խմբավորումը եւ արտադրությունը:

* Օպտիմալացրեք ուսուցումը կամ ենթադրությունը լատենցիայի, անցման, հիշողության արդյունավետության եւ սարքավորումների օգտագործման համար:

* Դiagnosis թվային անկայունությունը, սխալ տենսորի վարքագիծը, հիշողության սահմանափակումները, բաշխված համակարգի անարդարությունները, եւ կատարողականի անկում.

* Քննեք տարբեր մոդելների իրականացումները՝ հաստատելու ճշգրտությունը եւ վերարտադրելիությունը:

* Վերանայեք AI- ի կողմից ստեղծված կոդը եւ տեխնիկական լուծումները ճշգրտության, արդյունավետության եւ ինժեներական որակի համար:

* Կազմակերպել օբյեկտիվ փորձարկումներ, ցուցանիշներ եւ ստուգման չափանիշներ:

* Հստակ մանրամասներով փաստաթղթեք տեխնիկական ընտրությունները, փոխհատուցումները եւ սահմանափակումները:

Անհրաժեշտ փորձ

* Համակարգչային գիտության, մեքենայական ուսուցման, արհեստական ինտելեկտի, կիրառական մաթեմատիկայի, վիճակագրության, ինժեներականության կամ սերտորեն կապված ոլորտի մագիստրոսի կամ դոկտորի աստիճան:

* Մասնագիտական կամ հետազոտական մեծ փորձ մեքենային ուսուցման ոլորտում:

* Պայթոնով վարպետություն:

* Առնվազն երկու համապատասխան ML շրջանակների, գրադարանների կամ եզրակացության գործիքների հետ զգալի փորձ:

* Մոդելային ուսուցման, գնահատման, թվային հաշվարկների կամ եզրակացությունների հզոր ըմբռնում:

* ML համակարգերի ապականացման ունակությունը, որը գերազանցում է հիմնական API- ի օգտագործումը:

* Հնարավորությունը հստակ կերպով արտահայտել իրականացման որոշումները, կատարման փոխհատուցումները եւ ձախողման ռեժիմները:

* Վերարտադրելի տեխնիկական աշխատանքային հոսքերի կառուցման փորձ:

Հնարավոր գործիքներ կարող են ներառել՝

* Պյոտորխ

* JAX

* NumPy եւ SciPy

* SGLang

* vLLM

* llama.cpp

* Համբույր դեմքի փոխակերպիչներ

* Համբույր դեմքի տոքերներ

Համանուն գործիքներ կարող են դիտարկվել նաեւ այն դեպքում, եթե թեկնածուն ապացուցում է համապատասխան փորձագիտություն:

Մասնագիտական փորձը հեղինակավոր տեխնոլոգիական ընկերությունում, AI լաբորատորիայում, հետազոտական հաստատությունում կամ ճանաչված ինժեներական վայրում շատ ցանկալի է: Բաց աղբյուրի բացառիկ կամ ակադեմիական փորձը կարող է բավարար լինել: Դիմման գործընթացը

* Ներկայացրեք դիմումը եւ պատասխանեք ստուգման հարցերին:

* Մասնակցեք 30 րոպե տեւողությամբ AI հարցազրույցի:

* անհրաժեշտության դեպքում լրացնել տեխնիկական գնահատումը:

* Ստանալ աշխատանքի ընդունման ղեկավարի վերանայման:

Հաշվարկի կառուցվածքը Փոխհատուցումը որոշվում է արտադրանքի որակով: Փորձագետները վճարվում են նախագծի պահանջներին համապատասխան գործողությունների հիման վրա: Յուրաքանչյուր գործի կատարման համար անհրաժեշտ ժամանակը կարող է տարբերվել փորձագետի փորձի եւ աշխատանքային հոսքի հիման վրա։ Գործում է ներկայացման նվազագույն չափանիշները: Սկսել ժամանակացույցը եւ հասանելիությունը

* Մեր նպատակն է զբաղեցնել պաշտոնները 48 ժամվա ընթացքում եւ փնտրում ենք փորձագետներ, ովքեր կարող են անմիջապես սկսել: Եթե ընտրվեն, դուք պետք է սկսեք ձեր առաջին գործը 24-48 ժամվա ընթացքում նավարկությունից հետո: