VP of Research (Machine Learning)
8Bit - Games Industry Recruitment
⚲ Warszawa
30 000 - 40 000 PLN brutto (UoP)
Wymagania
- biegła znajomość Pythona oraz PyTorch/JAX, w tym trening i inferencja na GPU w skali
- udokumentowane doświadczenie we wdrażaniu lub rozwijaniu systemów ML działających produkcyjnie (nie tylko prototypy badawcze)
- wyczucie sposobu, w jaki modele zawodzą i zachowują się w długim horyzoncie czasowym
- podejście hands-on i orientacja na to, co działa w realnym świecie
- umiejętność podejmowania decyzji o wysokiej stawce przy niepełnych informacjach
- doświadczenie w budowie systemów ewaluacji i dbałości o poprawność
Mile widziane
- doświadczenie w budowie funkcji badawczej od zera w startupie
- praktyczne doświadczenie z retrieval-augmented training, MoE, distillation, multi-agent systems lub modelami multimodalnymi
Opis stanowiska
Klient to wczesna firma AI budująca proaktywnego asystenta dla codziennych zadań. Jako VP of Research będziesz wyznaczać kierunek badań nad pamięcią, kontekstem, rozumowaniem, planowaniem i orkiestracją, decydować o budowie własnej architektury modeli vs. adaptacji modeli open-source oraz budować systemy ewaluacji niezawodności i bezpieczeństwa. Uwaga: to stanowisko w firmie na wczesnym etapie oznacza dużą autonomię, ale też ogromną odpowiedzialność i konieczność podejmowania decyzji o wysokiej stawce przy niepełnych informacjach.
🔍 Dekoder Ogłoszenia
🔴
early-stage AI company
Firma jest na wczesnym etapie rozwoju, co może oznaczać niestabilność, brak ugruntowanych procesów i potencjalnie mniejsze zasoby.
🔴
VP of Research (Machine Learning)
Stanowisko to może oznaczać zarówno dużą autonomię i wpływ, jak i ogromną odpowiedzialność za kierunek badań w nowym, niepewnym produkcie.
🔴
product already used at high frequency
Produkt jest już używany, ale 'wysoka częstotliwość' może oznaczać zarówno sukces, jak i problemy z wydajnością lub stabilnością, które wymagają natychmiastowych rozwiązań.
🔴
Call the shots on building custom model architecture vs. adapting existing open-source or commercial frontier models
Decyzje o architekturze modeli mogą być bardzo czasochłonne i kosztowne, a brak jasnych wytycznych może prowadzić do nieefektywnych wyborów.
🔴
A track record of shipping or evolving ML systems that run in production, not just research prototypes
Oczekuje się doświadczenia w praktycznym wdrażaniu i utrzymaniu systemów ML, co może oznaczać presję na szybkie dostarczanie działających rozwiązań, a nie tylko innowacje teoretyczne.