Inżynier uczenia maszynowego (1% kapitału własnego) w Network Perspective

Jesteśmy małą firmą z ambicjami kształtowania przyszłości pracy. Tworzenie zespołów korzystających z danych i ustalanie nawyków pracy za pomocą danych oraz spersonalizowanych, przydatnych spostrzeżeń. Jedna trzecia naszego zespołu ma stopień doktora, a nasze działania wspierają założyciel Pracuj.pl, fundusz Unfold.VC i granty NCBiR. Przekształcamy firmy dzięki najnowocześniejszym badaniom, tworząc głębokie zrozumienie interakcji pracowników w Internecie, kładąc jednocześnie duży nacisk na prywatność i etykę. Oferta Jako pracownik zatrudniony na wczesnym etapie otrzymasz kapitał w wysokości co najmniej kolejnej pensji, jeśli wszyscy odniesiemy sukces. Konkurencyjne wynagrodzenie + 1% udziałów w programie opcji na akcje pracownicze Duży wpływ i własność projektu 100% praca zdalna (opcjonalna przestrzeń coworkingowa w Twoim mieście) Sprzęt do wyboru Autonomiczna, pełna wyzwań praca bez biurokracji i niepotrzebnych spotkań Czas na współtworzenie i publikowanie artykułów Ty będzie pracował nad Twoim głównym zbiorem danych będzie wykres interakcji pracowników – anonimowy, tymczasowy model wykresu właściwości, który opisuje interakcje pomiędzy pracownikami w firmie. Wykres przedstawia metadane (z wyłączeniem jakiejkolwiek treści) każdego e-maila, wiadomości na czacie lub rozmowy wideo pomiędzy pracownikami. Dane docierają w formacie CSV-s w ilości około 100 GB/miesiąc. Twoim celem jest przekształcenie tych danych w znaczące i wpływowe wskaźniki i modele, które pomogą zespołom pracować mądrzej, poprawiać współpracę, głębszą pracę i efektywność, przy jednoczesnym zmniejszeniu obciążenia komunikacyjnego związanego z bezproduktywnymi spotkaniami i niepotrzebnym przełączaniem kontekstu. Obejmuje to: Udoskonalanie i utrzymywanie potoku przetwarzania danych Inżynieria funkcji, dodawanie wpływowych i znaczących wskaźników pochodzących z wykresu interakcji pracowników do dziesiątek już opracowanych Budowanie nowych i ulepszanie istniejących modeli uczenia maszynowego (Pytorch) Wdrażanie rozwiązań i modeli w chmurze lub środowisku Kubernetes Duże modele językowe może być dużą pomocą w końcowym etapie przetwarzania danych – wyciąganiu wniosków i odpowiadaniu na pytania użytkowników dotyczące danych. Budujemy asystenta, który ma szczegółową wiedzę na temat zwyczajów pracy konkretnego zespołu i zna najlepsze praktyki w branży. W związku z tym pomożesz także zintegrować LLM z ostatecznym rozwiązaniem, tj. wdrożeniem rurociągu RAG w celu uziemienia i wzbogacenia odpowiedzi LLM. Projektowanie i budowanie RAG / agentycznego potoku LLM Integracja źródeł online (przeszukiwanie), offline (pdf) i wewnętrznych (api) Eksperymentowanie z technikami podpowiedzi CoF, Reflexion itp. Utworzenie pętli informacji zwrotnej od użytkowników w celu ulepszenia systemu w czasie Ograniczanie odpowiedzi LLM do określona domena Rejestrowanie i monitorowanie wdrożonego rozwiązania Kilka lat praktycznego doświadczenia w programowaniu w Pythonie Udokumentowana wiedza w Pythonie i bibliotekach data science (np. Pandas, NumPy, SciKit Learn, PyTorch itp.) Doświadczenie w budowaniu modeli głębokiego uczenia się, CNN, GCN , Autoenkodery, Transformatory dla zabawy lub zysku Solidne zrozumienie struktur danych, modelowania danych i zasad architektury oprogramowania Możliwość pakowania i uruchamiania kodu na platformie Azure lub Kubernetes Magister inżynierii, informatyki lub pokrewnej dziedziny technicznej Stos technologii Python, Numpy , Pandy, Polars, Dask, Pytorch, Pytorch Lightning, Scikit-Learn, OpenAI, Haystack/ Langchain, Docker, Kubernetes, Azure Jesteśmy małą firmą z ambicjami kształtowania przyszłości pracy. Tworzenie zespołów korzystających z danych i ustalanie nawyków pracy za pomocą danych oraz spersonalizowanych, przydatnych spostrzeżeń. Jedna trzecia naszego zespołu ma stopień doktora, a nasze działania wspierają założyciel Pracuj.pl, fundusz Unfold.VC i granty NCBiR. Przekształcamy firmy dzięki najnowocześniejszym badaniom, tworząc głębokie zrozumienie interakcji pracowników w Internecie, kładąc jednocześnie duży nacisk na prywatność i etykę. Oferta Jako pracownik zatrudniony na wczesnym etapie otrzymasz kapitał w wysokości co najmniej kolejnej pensji, jeśli wszyscy odniesiemy sukces. Konkurencyjne wynagrodzenie + 1% udziałów w programie opcji na akcje pracownicze Duży wpływ i własność projektu 100% praca zdalna (opcjonalna przestrzeń coworkingowa w Twoim mieście) Sprzęt do wyboru Autonomiczna, pełna wyzwań praca bez biurokracji i niepotrzebnych spotkań Czas na współtworzenie i publikowanie artykułów Ty będzie pracował nad Twoim głównym zbiorem danych będzie wykres interakcji pracowników – anonimowy, tymczasowy model wykresu właściwości, który opisuje interakcje pomiędzy pracownikami w firmie. Wykres przedstawia metadane (z wyłączeniem jakiejkolwiek treści) każdego e-maila, wiadomości na czacie lub rozmowy wideo pomiędzy pracownikami. Dane docierają w formacie CSV-s w ilości około 100 GB/miesiąc. Twoim celem jest przekształcenie tych danych w znaczące i wpływowe wskaźniki i modele, które pomogą zespołom pracować mądrzej, poprawiać współpracę, głębszą pracę i efektywność, przy jednoczesnym zmniejszeniu obciążenia komunikacyjnego związanego z bezproduktywnymi spotkaniami i niepotrzebnym przełączaniem kontekstu. Obejmuje to: Udoskonalanie i utrzymywanie potoku przetwarzania danych Inżynieria funkcji, dodawanie wpływowych i znaczących wskaźników pochodzących z wykresu interakcji pracowników do dziesiątek już opracowanych Budowanie nowych i ulepszanie istniejących modeli uczenia maszynowego (Pytorch) Wdrażanie rozwiązań i modeli w chmurze lub środowisku Kubernetes Duże modele językowe może być dużą pomocą w końcowym etapie przetwarzania danych – wyciąganiu wniosków i odpowiadaniu na pytania użytkowników dotyczące danych. Budujemy asystenta, który ma szczegółową wiedzę na temat zwyczajów pracy konkretnego zespołu i zna najlepsze praktyki w branży. W związku z tym pomożesz także zintegrować LLM z ostatecznym rozwiązaniem, tj. wdrożeniem rurociągu RAG w celu uziemienia i wzbogacenia odpowiedzi LLM. Projektowanie i budowanie RAG / agentycznego potoku LLM Integracja źródeł online (przeszukiwanie), offline (pdf) i wewnętrznych (api) Eksperymentowanie z technikami podpowiedzi CoF, Reflexion itp. Utworzenie pętli informacji zwrotnej od użytkowników w celu ulepszenia systemu w czasie Ograniczanie odpowiedzi LLM do określona domena Rejestrowanie i monitorowanie wdrożonego rozwiązania, [] Вимоги: Machine Learning, Python, Data science, pandy, NumPy, PyTorch, Deep learning, Data Structures, Degree, Kubernetes, Azure Бонуси та переваги: ​​Praca zdalna.