Ingenieur für maschinelles Lernen (1 % Eigenkapital) in Network Perspective

Wir sind ein kleines Unternehmen mit dem Anspruch, die Zukunft der Arbeit zu gestalten. Erstellen Sie datengestützte Teams und verbessern Sie Arbeitsgewohnheiten mithilfe von Daten und personalisierten, umsetzbaren Erkenntnissen. Ein Drittel unseres Teams hat einen Doktortitel und wir werden vom Gründer von Pracuj.pl, dem Unfold.VC-Fonds und NCBiR-Stipendien unterstützt. Wir verändern Unternehmen mit modernster Forschung, schaffen ein tiefes Verständnis dafür, wie Mitarbeiter online interagieren und legen dabei großen Wert auf Datenschutz und Ethik. Angebot Als Früheinsteiger erhalten Sie bei erfolgreichem Erfolg Eigenkapital im Wert von mindestens einem weiteren Gehalt. Wettbewerbsfähiges Gehalt + 1 % Beteiligung am Mitarbeiteraktienoptionsplan. Hohe Wirkung und Projektbeteiligung. 100 % Remote-Arbeit (optionaler Coworking Space in Ihrer Stadt). Hardware Ihrer Wahl. Autonomes, herausforderndes Arbeiten ohne Bürokratie und unnötige Besprechungen. Zeit, gemeinsam mit Ihnen Beiträge zu verfassen und zu veröffentlichen würde an Ihrem Hauptdatensatz arbeiten: Mitarbeiterinteraktionsdiagramm – ein anonymisiertes, zeitliches Eigenschaftsdiagrammmodell, das Interaktionen zwischen Mitarbeitern in einem Unternehmen beschreibt. Das Diagramm erfasst Metadaten (ohne jeglichen Inhalt) jeder E-Mail, Chat-Nachricht oder Videoanruf zwischen Mitarbeitern. Die Daten kommen als csv-s mit einem Volumen von ca. 100GB/Monat an. Ihr Ziel ist es, diese Daten in aussagekräftige und wirkungsvolle Metriken und Modelle zu destillieren, die Teams dabei helfen, intelligenter zu arbeiten, die Zusammenarbeit, intensive Arbeit und Effektivität zu verbessern und gleichzeitig die Kommunikationsbelastung durch unproduktive Besprechungen und unnötige Kontextwechsel zu verringern. Dazu gehören: Verbesserung und Wartung der Datenverarbeitungspipeline, Feature-Engineering, Hinzufügen aussagekräftiger und aussagekräftiger Metriken, die aus dem Mitarbeiterinteraktionsdiagramm abgeleitet sind, zu Dutzenden bereits entwickelter Modelle. Erstellen neuer und Verbessern bestehender Modelle für maschinelles Lernen (Pytorch). Bereitstellen von Lösungen und Modellen in der Cloud oder Kubernetes-Umgebung. Große Sprachmodelle kann im letzten Schritt der Datenverarbeitung eine große Hilfe sein – das Ziehen von Schlussfolgerungen und das Beantworten von Benutzerfragen zu Daten. Wir bauen einen Assistenten auf, der über detaillierte Kenntnisse über die Arbeitsgewohnheiten bestimmter Teams verfügt und branchenführende Best Practices kennt. Daher werden Sie auch dabei helfen, LLMs in die endgültige Lösung zu integrieren, d. h. bei der Implementierung der RAG-Pipeline zur Verankerung und Anreicherung von LLM-Antworten. Entwerfen und Erstellen einer RAG-/Agenten-LLM-Pipeline. Integrieren von Online- (Crawling), Offline- (PDF) und internen (API-)Quellen. Experimentieren mit Eingabeaufforderungstechniken wie CoF, Reflexion usw. Einrichten einer Benutzer-Feedback-Schleife, um das System im Laufe der Zeit zu verbessern. Begrenzen der LLM-Reaktionen auf spezifizierte Domäne Protokollierung und Überwachung der bereitgestellten Lösung Wenige Jahre praktische Programmiererfahrung mit Python Nachgewiesene Fachkenntnisse in Python und Data-Science-Bibliotheken (z. B. Pandas, NumPy, SciKit learn, PyTorch usw.) Erfahrung mit der Erstellung von Deep-Learning-Modellen, CNNs, GCNs , Autoencoder, Transformer zum Spaß oder zum Gewinn. Solides Verständnis von Datenstrukturen, Datenmodellierung und Softwarearchitekturprinzipien. Fähigkeit, Ihren Code auf Azure oder Kubernetes zu verpacken und auszuführen. Master-Abschluss in Ingenieurwesen, Informatik oder einem verwandten technischen Bereich. Tech-Stack Python, Numpy , Pandas, Polars, Dask, Pytorch, Pytorch Lightning, Scikit-Learn, OpenAI, Haystack/ Langchain, Docker, Kubernetes, Azure Wir sind ein kleines Unternehmen mit dem Ehrgeiz, die Zukunft der Arbeit zu gestalten. Erstellen Sie datengestützte Teams und verbessern Sie Arbeitsgewohnheiten mithilfe von Daten und personalisierten, umsetzbaren Erkenntnissen. Ein Drittel unseres Teams hat einen Doktortitel und wir werden vom Gründer von Pracuj.pl, dem Unfold.VC-Fonds und NCBiR-Stipendien unterstützt. Wir verändern Unternehmen mit modernster Forschung, schaffen ein tiefes Verständnis dafür, wie Mitarbeiter online interagieren und legen dabei großen Wert auf Datenschutz und Ethik. Angebot Als Früheinsteiger erhalten Sie bei erfolgreichem Erfolg Eigenkapital im Wert von mindestens einem weiteren Gehalt. Wettbewerbsfähiges Gehalt + 1 % Beteiligung am Mitarbeiteraktienoptionsplan. Hohe Wirkung und Projektbeteiligung. 100 % Remote-Arbeit (optionaler Coworking Space in Ihrer Stadt). Hardware Ihrer Wahl. Autonomes, herausforderndes Arbeiten ohne Bürokratie und unnötige Besprechungen. Zeit, gemeinsam mit Ihnen Beiträge zu verfassen und zu veröffentlichen würde an Ihrem Hauptdatensatz arbeiten: Mitarbeiterinteraktionsdiagramm – ein anonymisiertes, zeitliches Eigenschaftsdiagrammmodell, das Interaktionen zwischen Mitarbeitern in einem Unternehmen beschreibt. Das Diagramm erfasst Metadaten (ohne jeglichen Inhalt) jeder E-Mail, Chat-Nachricht oder Videoanruf zwischen Mitarbeitern. Die Daten kommen als csv-s mit einem Volumen von ca. 100GB/Monat an. Ihr Ziel ist es, diese Daten in aussagekräftige und wirkungsvolle Metriken und Modelle zu destillieren, die Teams dabei helfen, intelligenter zu arbeiten, die Zusammenarbeit, intensive Arbeit und Effektivität zu verbessern und gleichzeitig die Kommunikationsbelastung durch unproduktive Besprechungen und unnötige Kontextwechsel zu verringern. Dazu gehören: Verbesserung und Wartung der Datenverarbeitungspipeline, Feature-Engineering, Hinzufügen aussagekräftiger und aussagekräftiger Metriken, die aus dem Mitarbeiterinteraktionsdiagramm abgeleitet sind, zu Dutzenden bereits entwickelter Modelle. Erstellen neuer und Verbessern bestehender Modelle für maschinelles Lernen (Pytorch). Bereitstellen von Lösungen und Modellen in der Cloud oder Kubernetes-Umgebung. Große Sprachmodelle kann im letzten Schritt der Datenverarbeitung eine große Hilfe sein – das Ziehen von Schlussfolgerungen und das Beantworten von Benutzerfragen zu Daten. Wir bauen einen Assistenten auf, der über detaillierte Kenntnisse über die Arbeitsgewohnheiten bestimmter Teams verfügt und branchenführende Best Practices kennt. Daher werden Sie auch dabei helfen, LLMs in die endgültige Lösung zu integrieren, d. h. bei der Implementierung der RAG-Pipeline zur Verankerung und Anreicherung von LLM-Antworten. Entwerfen und Erstellen einer RAG-/Agenten-LLM-Pipeline. Integrieren von Online- (Crawling), Offline- (PDF) und internen (API-)Quellen. Experimentieren mit Eingabeaufforderungstechniken wie CoF, Reflexion usw. Einrichten einer Benutzer-Feedback-Schleife, um das System im Laufe der Zeit zu verbessern. Begrenzen der LLM-Reaktionen auf spezifizierte Domäne Protokollierung und Überwachung der bereitgestellten Lösung,[] Kategorien: Maschinelles Lernen, Python, Datenwissenschaft, Pandas, NumPy, PyTorch, Deep Learning, Datenstrukturen, Abschluss, Kubernetes, Azure Benutzerbonus: Remote-Arbeit.