Inżynier ds. modeli wielkojęzykowych (LLM). w GlobalLogic

Opis:

Sprawdzanie kompletności dokumentu: sprawdzanie, czy wszystkie przesłane przez klienta dokumenty są kompletne i żądają wszelkich brakujących dokumentów referencyjnych niezbędnych do identyfikacji parametrów.
Konstruktor rozszerzonego dokumentu: opracowywanie kompleksowych wersji zarówno wymagań klienta, jak i referencyjnych dokumentów projektowych poprzez integrację informacji z dokumentów referencyjnych, w tym odniesień zagnieżdżonych.
Podsumowanie odchyleń : Tworzenie wstępnych podsumowań kluczowych różnic między wymaganiami klienta a referencyjnymi dokumentami projektu, podkreślając krytyczne odchylenia.
Identyfikacja komponentów elektrycznych: wykorzystanie algorytmów identyfikacji obiektów opartych na sztucznej inteligencji do identyfikowania i umieszczania komponentów elektrycznych na diagramach SLD klienta.
Parametr Ekstrakcja i mapowanie: Wyodrębnianie i kojarzenie odpowiednich parametrów, takich jak wymiary i właściwości materiałów, ze specyfikacji klienta ze zidentyfikowanymi komponentami elektrycznymi.
Interfejs użytkownika: Opracowanie przyjaznego dla użytkownika interfejsu dla inżynierów umożliwiającego przeglądanie i edycję listy komponentów elektrycznych i odpowiadających im parametry, z przyszłą integracją z narzędziami 3D w fazie MVP.
Parser obecności identycznych terminów: sprawdzanie elementów pominiętych w arkuszu wyceny, koncentrując się na identycznych terminach używanych w arkuszach DoW i arkuszach kalkulacji.

Wymagania:

ponad 3 lata doświadczenia w uczeniu maszynowym i przetwarzaniu języka naturalnego.
biegłość w szkoleniach i dostrajanie modeli wielkojęzycznych (LLM).
Doświadczenie z architekturami RAG i wektorowymi bazami danych, takimi jak Pinecone.
Licencjat z informatyki, inżynierii lub równoważny.
Doskonałe umiejętności rozwiązywania problemów i zdolności analityczne umiejętności.
Wykazana umiejętność przeprowadzania eksperymentów i doskonalenia wydajności modelu.
Dobra znajomość języka angielskiego umożliwiająca skuteczną komunikację z członkami zespołu.

Znajomość Pytorch, Pinecone, LLM fine-tuning, RAG i wektorowe bazy danych.
 

Zadania stanowiska:

Szkolenie i dostrajanie dużych modeli językowych (LLM) ) do różnych zastosowań.
Wdrażaj i optymalizuj architektury generowania rozszerzonego wyszukiwania (RAG).
Pracuj z wektorowymi bazami danych, takimi jak Pinecone, aby zwiększyć możliwości wyszukiwania danych.
Rozwijaj i stosuj techniki analizy danych i uczenia maszynowego .
Współpracuj z zespołami interdyscyplinarnymi, aby zintegrować LLM z produktami.
Bądź na bieżąco z najnowszymi osiągnięciami w zakresie LLM i technologii uczenia maszynowego.
Przeprowadzaj eksperymenty i analizuj wyniki, aby poprawić wydajność modelu.
p>