Ingenieur für große Sprachmodelle (LLMs). in GlobalLogic

Beschreibung:

Dokumentenvollständigkeitsprüfung: Sicherstellen, dass alle hochgeladenen Kunden Dokumente vollständig sind und alle fehlenden Referenzdokumente anfordern, die für die Parameteridentifizierung erforderlich sind.
Erweiterter Dokumentkonstruktor: Entwickeln umfassender Versionen sowohl der Kundenanforderungen als auch der Referenzprojektdokumente durch Integration von Informationen aus referenzierten Dokumenten, einschließlich verschachtelter Referenzen.
Abweichungszusammenfassung : Erstellen erster Zusammenfassungen der wichtigsten Unterschiede zwischen Kundenanforderungen und Referenzprojektdokumenten, Hervorhebung kritischer Abweichungen.
Identifizierung elektrischer Komponenten: Verwendung von KI-gesteuerten Objektidentifizierungsalgorithmen zur Identifizierung und Auflistung elektrischer Komponenten in SLD-Diagrammen des Kunden.
Parameter Extraktion und Zuordnung: Extrahieren und Verknüpfen relevanter Parameter wie Abmessungen und Materialeigenschaften aus Kundenspezifikationen mit den identifizierten elektrischen Komponenten.
Benutzeroberfläche: Entwicklung einer benutzerfreundlichen Oberfläche für Ingenieure zum Überprüfen und Bearbeiten der Liste der elektrischen Komponenten und der entsprechenden Komponenten Parameter, mit zukünftiger Integration mit 3D-Tools in der MVP-Phase.
Identischer Begriffspräsenz-Parser: Prüfung auf Elemente, die im Kostenblatt fehlen, mit Schwerpunkt auf identischen Begriffen, die im DoW und im Kostenblatt verwendet werden.

Anforderungen:

3+ Jahre Erfahrung im maschinellen Lernen und in der Verarbeitung natürlicher Sprache.
Kenntnisse in der Schulung und Feinabstimmung von Large Language Models (LLMs).
Erfahrung mit RAG-Architekturen und Vektordatenbanken wie Pinecone.
Bachelor-Abschluss in Informatik, Ingenieurwesen oder einem gleichwertigen Abschluss.
Ausgezeichnete Problemlösungs- und Analysefähigkeiten Fähigkeiten.
Nachgewiesene Fähigkeit, Experimente durchzuführen und die Modellleistung zu verbessern.
Gute Englischkenntnisse für eine effektive Kommunikation mit Teammitgliedern.

Kenntnisse in Pytorch, Pinecone, LLM-Feinabstimmung und RAG und Vektordatenbanken.
 

Aufgabenbereiche:

Training und Feinabstimmung von Large Language Models (LLMs). ) für verschiedene Anwendungen.
Retrieval-Augmented Generation (RAG)-Architekturen implementieren und optimieren.
Arbeiten Sie mit Vektordatenbanken wie Pinecone, um die Datenabruffunktionen zu verbessern.
Entwickeln und wenden Sie Techniken der Datenwissenschaft und des maschinellen Lernens an .
Arbeiten Sie mit funktionsübergreifenden Teams zusammen, um LLMs in Produkte zu integrieren.
Bleiben Sie über die neuesten Fortschritte bei LLM und maschinellen Lerntechnologien auf dem Laufenden.
Führen Sie Experimente durch und analysieren Sie Ergebnisse, um die Modellleistung zu verbessern.