Applied Scientist (LLM)
⚲ Wrocław, Brno
Do uzgodnienia
Wymagania
- 3+ lata doświadczenia komercyjnego w Machine Learningu, ze szczególnym naciskiem na NLP lub LLM
- biegłość w PEFT/LoRA i technikach Reinforcement Learning
- głębokie zrozumienie mechanizmów attention, tokenizacji, zarządzania oknem kontekstowym i przestrzeni embeddingów
- praktyczne doświadczenie w co najmniej jednym z: RAG, fine-tuning lub frameworki agentowe
- udokumentowana umiejętność zarządzania i analizy ogromnych zbiorów danych (>100GB) w formatach tekst, obraz, audio
- doświadczenie we wdrażaniu LLM do produkcji (Triton Inference Server, vLLM, TGI lub ONNX)
- dobra znajomość angielskiego w mowie i piśmie
Mile widziane
- doświadczenie z Pinecone, Weaviate, Milvus lub Chroma
Opis stanowiska
SQUAD szuka Applied Scientista (LLM) do rozwijania funkcji Generative AI w środowiskach Cloud i Edge. Rola obejmuje pełny cykl badawczy: formułowanie hipotez, generowanie syntetycznych zbiorów danych, fine-tuning LLM, walidację bezpieczeństwa i alignment, a także optymalizację inferencji przez kompresję i kwantyzację oraz budowę architektur RAG i systemów multi-agent. Warto wiedzieć, że 'curate high-quality training data' może oznaczać czasochłonne ręczne filtrowanie danych.
🔍 Dekoder Ogłoszenia
🔴
drive the transition from research to production
Oznacza to, że będziesz odpowiedzialny za przenoszenie modeli z fazy eksperymentalnej do gotowych do użycia produktów, co może wiązać się z presją czasu i koniecznością radzenia sobie z problemami produkcyjnymi.
🔴
full research lifecycle
Choć brzmi to kompleksowo, może oznaczać, że będziesz musiał zajmować się wszystkimi etapami, od pomysłu po raport, bez wyraźnego podziału na role.
🔴
curate high-quality training data
Może to oznaczać ręczne filtrowanie i przygotowywanie danych, co jest czasochłonne i często mniej ekscytujące niż praca nad samymi modelami.
🔴
visualize evaluation metrics for clear interpretation
Choć tworzenie wizualizacji jest ważne, może to również sugerować, że obecne metryki nie są wystarczająco czytelne i będziesz musiał poświęcić czas na ich poprawę.
🟡
stay at the forefront of the field
Oznacza to ciągłe uczenie się i śledzenie nowości, co jest standardem w IT, ale może też sugerować brak jasno zdefiniowanych ścieżek rozwoju w ramach firmy.