Middle Applied Scientist

Про посаду

Компанія N-iX шукає Middle Applied Scientist, щоб приєднатися до нашої команди та покращити процес, за допомогою якого клієнти знаходять, оцінюють і вибирають контент для навчальних дата-сетів для штучного інтелекту. Ви будете відповідати за науково-дослідні проекти, починаючи від формулювання проблеми до рекомендацій, допомагаючи формувати більш широкі методи та стандарти разом із старшими та провідними колегами з дата-сайєнсу. Співпрацюючи з продуктовими та інженерними партнерами, ви перетворюватимете результати оцінки та експериментальні дані на покращення платформи Data Licensing.

Ця посада ідеально підходить для людей, які застосовували статистичні та машинні методи у виробництві та готові взяти на себе більшу відповідальність за науково-дослідну роботу, орієнтовану на продукт.

Наш клієнт - технологічна компанія, яка забезпечує одну з найбільших у світі двосторонніх ринкових площадок для високоякісних фотографій, ілюстрацій, відео та музики, які використовуються фізичними та юридичними особами, бізнесом, маркетинговими агентствами та медіаорганізаціями різного розміру. На цій посаді ви будете працювати з високомотивованими та талановитими дата-сайєнтистами та інженерами, які в основному зосереджені на розробці наступного покоління систем штучного інтелекту/машинного навчання, які змінюють спосіб, яким люди знаходять вміст, який їм подобається.

Обов'язки

• Співпраця зі старшими та провідними дата-сайєнтистами для покращення пошуку, кваліфікації та вибору дата-сетів шляхом оцінки та вдосконалення підходів до пошуку, класифікації, фільтрації та ранжування.
• Розробка та застосування методів оцінки та вибірки для вимірювання релевантності, покриття, різноманітності, складу та репрезентативності дата-сетів.
• Оцінка автоматизованих процесів кураторства дата-сетів, використовуючи структурований аналіз помилок для оцінки інтерпретації, якості вибору та режимів збоїв та рекомендацій щодо покращення.
• Розробка та аналіз експериментів за допомогою офлайн-оцінки та продуктової телеметрії для рекомендацій щодо покращення якості кураторства, продуктивності робочого процесу та досвіду клієнтів.

Вимоги

• 4+ роки комерційного досвіду в області дата-сайєнсу, прикладної науки, машинного навчання або суміжних галузях.
• Міцне розуміння статистики, експериментального дизайну та кількісного вирішення проблем.
• Досвід оцінки пошукових, рекомендаційних, ранжувальних та подібних систем машинного навчання.
• Досвід проведення експериментів від формулювання проблеми та визначення метрик до аналізу та рекомендацій.
• Знання Python та SQL та досвід роботи з великими наборами даних.
• Практичний досвід застосування кількох відповідних методів, таких як вибірка, кластеризація, класифікація, оптимізація, оцінка невизначеності або байєсівські методи.
• Досвід використання структурованого аналізу помилок для виявлення можливостей для покращення продуктивності моделі чи платформи.
• Сильні комунікативні навички та досвід роботи з продуктовими та інженерними партнерами.
• Здатність інноваційно мислити та визначати нові підходи для покращення поточних практик.
• Рівень англійської мови - верхній середній або вище.
• Досвід роботи з AWS та/або GCP.

Буде плюсом

• Досвід роботи з ембеддинговими моделями, семантичним пошуком, пошуком інформації та мультимедійним вмістом.
• Досвід оцінки робочих процесів на основі LLM або агентів.
• Розуміння робочих процесів анотовань, від людського маркування до анотовань, що допомагають моделі та на основі VLM.
• Досвід оцінки якості повної популяції за репрезентативними вибірками.

Ми пропонуємо

• Гнучний робочий формат - віддалено, в офісі або гнучко.
• Конкурентоспроможна зарплата та хороший компенсаційний пакет.
• Персоналізований кар'єрний ріст.
• Інструменти для професійного розвитку (програма наставництва, технічні лекції та тренінги, центри досконалості тощо).
• Активні технічні спільноти з регулярним обміном знаннями.
• Відшкодування витрат на освіту.
• Пам'ятні подарунки до ювілеїв.
• Корпоративні заходи та командоутворення.
• Інші переваги, що залежать від місця розташування.

не застосовується до фрілансерів