Инженер по машинному обучению (1% капитала) в Network Perspective

Мы небольшая компания, которая стремится формировать будущее работы. Создание групп, информированных о данных, и исправление рабочих привычек с помощью данных, а также персонализированных практических идей. Треть нашей команды имеет докторскую степень, и нас поддерживает основатель Pracuj.pl, фонд Unfold.VC и гранты NCBiR. Мы трансформируем бизнес с помощью передовых исследований, создавая глубокое понимание того, как сотрудники взаимодействуют в Интернете, уделяя при этом большое внимание конфиденциальности и этике. Предложение Как начинающему сотруднику вам предлагается акционерный капитал на сумму как минимум еще одной зарплаты, если мы все добьемся успеха. Конкурентоспособная зарплата + 1 % акций в опционном плане для сотрудников. Высокая результативность и владение проектом. 100 % удаленная работа (дополнительный коворкинг в вашем городе). Оборудование по вашему выбору. Автономная, интересная работа без бюрократии и ненужных встреч. Время на соавторство и публикацию статей. Вы Вашим основным набором данных будет график взаимодействия сотрудников — анонимная временная модель графа свойств, описывающая взаимодействие между сотрудниками в компании. На графике фиксируются метаданные (за исключением любого контента) каждого электронного письма, сообщения в чате или видеозвонка между сотрудниками. Данные поступают в формате csv-s объемом около 100Гб/мес. Ваша цель — превратить эти данные в значимые и эффективные показатели и модели, которые помогут командам работать умнее, улучшить сотрудничество, глубокую работу и эффективность, одновременно уменьшая коммуникационную нагрузку, связанную с непродуктивными встречами и ненужным переключением контекста. Это включает в себя: Улучшение и поддержку конвейера обработки данных. Разработка функций, добавление эффективных и значимых показателей, полученных из графика взаимодействия сотрудников, к десяткам уже разработанных. Создание новых и улучшение существующих моделей машинного обучения (Pytorch). Развертывание решений и моделей в облаке или среде Kubernetes. Большие языковые модели. может оказаться большим подспорьем на заключительном этапе обработки данных — составлении выводов и ответах на вопросы пользователей о данных. Мы создаем помощника, который обладает подробными знаниями о рабочих привычках конкретной команды и знаком с лучшими практиками отрасли. Следовательно, вы также поможете интегрировать LLM в окончательное решение, то есть внедрить конвейер RAG для обоснования и обогащения ответов LLM. Проектирование и построение конвейера RAG/агентного LLM. Интеграция онлайн-(сканирование), офлайн-(pdf) и внутренних (api) источников. Экспериментирование с методами подсказок CoF, Reflexion и т. д. Настройка цикла обратной связи с пользователем для постепенного улучшения системы. Ограничение ответов LLM на указанный домен Ведение журнала и мониторинг развернутого решения Несколько лет практического опыта программирования на Python Подтвержденный опыт работы с Python и библиотеками обработки данных (например, Pandas, NumPy, SciKit Learn, PyTorch и т. д.) Опыт построения моделей глубокого обучения, CNN, GCN , автоэнкодеры, трансформеры для развлечения или прибыли. Уверенное понимание структур данных, моделирования данных и принципов архитектуры программного обеспечения. Способность упаковывать и запускать свой код в Azure или Kubernetes. Степень магистра в области инженерии, компьютерных наук или смежных технических областей. Технический стек Python, Numpy. , Pandas, Polars, Dask, Pytorch, Pytorch Lightning, Scikit-Learn, OpenAI, Haystack/ Langchain, Docker, Kubernetes, Azure Мы — небольшая компания, стремящаяся формировать будущее работы. Создание групп, информированных о данных, и исправление рабочих привычек с помощью данных, а также персонализированных практических идей. Треть нашей команды имеет докторскую степень, и нас поддерживает основатель Pracuj.pl, фонд Unfold.VC и гранты NCBiR. Мы трансформируем бизнес с помощью передовых исследований, создавая глубокое понимание того, как сотрудники взаимодействуют в Интернете, уделяя при этом большое внимание конфиденциальности и этике. Предложение Как начинающему сотруднику вам предлагается акционерный капитал на сумму как минимум еще одной зарплаты, если мы все добьемся успеха. Конкурентоспособная зарплата + 1 % акций в опционном плане для сотрудников. Высокая результативность и владение проектом. 100 % удаленная работа (дополнительный коворкинг в вашем городе). Оборудование по вашему выбору. Автономная, интересная работа без бюрократии и ненужных встреч. Время на соавторство и публикацию статей. Вы Вашим основным набором данных будет график взаимодействия сотрудников — анонимная временная модель графа свойств, описывающая взаимодействие между сотрудниками в компании. На графике фиксируются метаданные (за исключением любого контента) каждого электронного письма, сообщения в чате или видеозвонка между сотрудниками. Данные поступают в формате csv-s объемом около 100Гб/мес. Ваша цель — превратить эти данные в значимые и эффективные показатели и модели, которые помогут командам работать умнее, улучшить сотрудничество, глубокую работу и эффективность, одновременно уменьшая коммуникационную нагрузку, связанную с непродуктивными встречами и ненужным переключением контекста. Это включает в себя: Улучшение и поддержку конвейера обработки данных. Разработка функций, добавление эффективных и значимых показателей, полученных из графика взаимодействия сотрудников, к десяткам уже разработанных. Создание новых и улучшение существующих моделей машинного обучения (Pytorch). Развертывание решений и моделей в облаке или среде Kubernetes. Большие языковые модели. может оказаться большим подспорьем на заключительном этапе обработки данных — составлении выводов и ответах на вопросы пользователей о данных. Мы создаем помощника, который обладает подробными знаниями о рабочих привычках конкретной команды и знаком с лучшими практиками отрасли. Следовательно, вы также поможете интегрировать LLM в окончательное решение, то есть внедрить конвейер RAG для обоснования и обогащения ответов LLM. Проектирование и построение конвейера RAG/агентного LLM. Интеграция онлайн-(сканирование), офлайн-(pdf) и внутренних (api) источников. Экспериментирование с методами подсказок CoF, Reflexion и т. д. Настройка цикла обратной связи с пользователем для постепенного улучшения системы. Ограничение ответов LLM на указанный домен Ведение журнала и мониторинг развернутого решения ,[] Вимоги: Машинное обучение, Python, Наука о данных, pandas, NumPy, PyTorch, Глубокое обучение, Структуры данных, Степень, Kubernetes, Azure Бонусы та переваги: ​​Удаленная работа.