Auf einen Blick
- Aufgaben: Entwickle innovative ML-Produkte, die Forschern helfen, bessere Entscheidungen zu treffen.
- Unternehmen: Elicit, ein Unternehmen, das die Wissenschafts- und Entscheidungsfindung revolutioniert.
- Vorteile: Flexibles Arbeitsumfeld, umfassende Gesundheitsleistungen und großzügige Urlaubsregelungen.
- Weitere Informationen: Dynamisches Team mit großartigen Wachstums- und Lernmöglichkeiten.
- Warum dieser Job: Gestalte die Zukunft der KI und mache einen echten Unterschied in der Forschung.
- Qualifikationen: Starke Software-Engineering-Fähigkeiten und Erfahrung mit Sprachmodellen.
Über Elicit
Elicit baut die Argumentationsschicht für Wissenschaft und Entscheidungsfindung. Wir nutzen Sprachmodelle, um über 125 Millionen Arbeiten zu suchen, Daten zu extrahieren und Erkenntnisse zu gewinnen, damit Forscher, politische Entscheidungsträger und Führungskräfte der Industrie in wenigen Minuten von Fragen zu evidenzbasierten Entscheidungen gelangen können. Heute haben Hunderttausende von Forschern Elicit genutzt, um Literaturübersichten zu beschleunigen, systematische Übersichten zu automatisieren und neue Bereiche zu erkunden. Während wir unseren Einfluss über die akademische Forschung hinaus ausweiten, legen wir die Grundlagen für ML-Systeme, die systematisch, transparent und unbegrenzt sind, wenn es um das Denken im großen Maßstab geht.
Über die Rolle
Als Machine Learning Engineer bei Elicit werden Sie Produkte und Workflows entwickeln, die Forschern und wissenschaftlichen Teams helfen, qualitativ hochwertigere Entscheidungen mit Sprachmodellen zu treffen. Ein großer Teil der Arbeit besteht aus Softwareengineering: Produkt-Erlebnisse, APIs, Datenintegrationen, Evaluierungssysteme und zuverlässige Werkzeuge zu erstellen, die Sprachmodelle in hochriskanten Bereichen zuverlässig nützlich und vertrauenswürdig machen.
Sie werden an Problemen arbeiten wie:
- Unordentliche, mehrdeutige Forschungsaufgaben in klare Produkterlebnisse umzuwandeln
- Benutzeroberflächen und Artefakte zu erstellen, die den Benutzern helfen, Modellausgaben zu verstehen, zu vertrauen und darauf zu reagieren
- Sprachmodelle mit externen Tools, strukturierten und unstrukturierten Daten sowie Abrufsystemen zu kombinieren
- Die Qualität durch sorgfältige Bewertungen, wahrheitsfördernde Modellumgebungen und gezielte ML-Modellierung zu verbessern
Was Sie bauen werden
- Agentische Werkzeuge für Zielbewertungen, Evidenzsynthese und Experimentplanung
- Datenintegrationen über Literatur, wissenschaftliche Datenbanken, Kundendaten und interne Tools
- APIs, die Kunden in ihren eigenen Systemen verwenden können
- Evaluierungssysteme, die uns helfen zu verstehen, ob eine Änderung tatsächlich die Benutzerergebnisse verbessert
- Vertrauens- und Transparenzfunktionen, wie z.B. Quellenqualitätszeichen, zwischenzeitliches Denken und bessere Möglichkeiten zur Inspektion und Korrektur von Ausgaben
Beispielprojekte
- Ein Workflow zur Zielbewertung, der Literatur, Genetik, Chemie, klinische, regulatorische und Unternehmensdaten in ein teilbares Artefakt kombiniert.
- Werkzeuge zur Experimentplanung und -iteration, die Forschern helfen, zu entscheiden, was als Nächstes zu tun ist und aus neuen Ergebnissen zu lernen.
- Workflows zur Überwachung von Beweisen, die Teams durch Warnungen, Berichte und lebende Berichte auf dem Laufenden halten.
- Unternehmens-APIs und strukturierte Ausgabepipelines, die Elicit in die internen Systeme der Kunden integrieren.
- Benutzeroberflächen, die es einfacher machen, Modellausgaben zu inspizieren, zu vertrauen und zu korrigieren.
- Workflow-spezifische Evaluierungen und Qualitätssysteme, die uns sagen, ob eine Produktänderung den Benutzern tatsächlich geholfen hat.
- Verbesserung der Extraktion, des Denkens oder der Suchqualität mit besseren Eingabeaufforderungen, besserem Systemdesign oder Feinabstimmung, wenn dies angemessen ist.
Was Sie mitbringen
- Ein starkes Softwareengineering-Hintergrund und die Fähigkeit, End-to-End-Systeme zu bauen
- Fließend im Umgang mit Sprachmodellen
- Starkes Produktverständnis und die Fähigkeit, vage Benutzerprobleme in konkrete Lösungen umzuwandeln
- Freude daran, schwierige, kreative Probleme zu lösen
- Fähigkeit, über Backend-, Daten- und Modellschichten hinweg zu arbeiten
- Klare Kommunikation mit Produkt-, Design-, Fachexperten und anderen Ingenieuren
- Effektiver und durchdachter Einsatz von Codierungsassistenten
Standort und Reisen
Wir haben ein schönes Büro in Oakland, CA, aber auch remote Mitarbeiter in den USA. Es ist uns wichtig, Zeit mit unseren Teamkollegen zu verbringen, daher bitten wir alle Elicians, vierteljährlich zu einem Team-Retreat zusammenzukommen.
Vorteile
- Flexibles Arbeitsumfeld - arbeiten Sie von unserem Büro in Oakland oder remote, solange Sie für Retreats und Coworking-Events persönlich reisen können
- Vollständig abgedeckte Gesundheits-, Zahn-, Augen- und Lebensversicherung für Sie und großzügige Abdeckung für den Rest Ihrer Familie
- Flexible Urlaubsregelung mit einer Mindestempfehlung von 20 Tagen/Jahr + Unternehmensfeiertagen
- 401K mit einer Arbeitgeberbeteiligung von 6%
- Ein neuer Mac + $1.000 Budget zur Einrichtung Ihres Arbeitsplatzes oder Homeoffice im ersten Jahr, danach $500 jedes Jahr
- $1.000 vierteljährliches Budget für KI-Experimentierung und Lernen
- Ein Team-Administrationsassistent, dem Sie persönliche und berufliche Aufgaben delegieren können
- Fahrgeldleistungen, ein Umzugsbonus und mehr!
Vergütung
Für alle Rollen bei Elicit verwenden wir ein datengestütztes Vergütungsmodell, um sicherzustellen, dass unsere Gehälter wettbewerbsfähig, gerecht und einfach sind. Für diese Rolle zielen wir auf folgende Einstiegsbereiche ab:
- Karriere (L3): $185-230K + Eigenkapital
- Senior (L4): $230-260K + Eigenkapital
- Experte/Personal (L5): $255-340K + signifikantes Eigenkapital
Wir optimieren für eine Einstellung, die auf L4/Senior-Niveau oder höher beitragen kann. Wir würden uns auch freuen, Mitarbeiter-/Principal-Level-Beiträger kennenzulernen.
Machine Learning Engineer Arbeitgeber: Elicit
Elicit ist ein hervorragender Arbeitgeber, der eine flexible Arbeitsumgebung in Oakland, CA, bietet und gleichzeitig die Möglichkeit für Remote-Arbeit eröffnet. Mit einem starken Fokus auf Mitarbeiterentwicklung, transparenten Entscheidungsprozessen und innovativen Projekten im Bereich maschinelles Lernen fördert Elicit eine Kultur des kreativen Problemlösens und der Zusammenarbeit. Die umfassenden Benefits, einschließlich flexibler Urlaubsregelungen, großzügiger Gesundheitsleistungen und eines Budgets für AI-Experimentation, machen Elicit zu einem attraktiven Arbeitsplatz für alle, die an der Schnittstelle von Technologie und Wissenschaft arbeiten möchten.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Machine Learning Engineer erhalten könnten
✨Tipp Nummer 1
Nutze dein Netzwerk! Sprich mit Leuten, die in der Branche arbeiten oder bei Elicit sind. Oft gibt es ungeschriebene Stellen oder Empfehlungen, die dir einen Vorteil verschaffen können.
✨Tipp Nummer 2
Bereite dich auf technische Interviews vor! Übe Coding-Challenges und sei bereit, deine Denkweise zu erklären. Zeige, dass du nicht nur die Lösungen kennst, sondern auch den Prozess dahinter verstehst.
✨Tipp Nummer 3
Sei proaktiv! Wenn du eine interessante Idee hast, wie du Elicit unterstützen kannst, teile sie! Zeige, dass du kreativ denkst und bereit bist, über das Gewöhnliche hinauszugehen.
✨Tipp Nummer 4
Bewirb dich direkt über unsere Website! Das zeigt dein Interesse und Engagement. Außerdem hast du so die besten Chancen, von unserem Team direkt wahrgenommen zu werden.
Wir glauben, dass du diese Fähigkeiten brauchst, um Machine Learning Engineer mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Sei authentisch!:Zeig uns, wer du wirklich bist! Deine Persönlichkeit und Leidenschaft für Machine Learning sollten in deiner Bewerbung deutlich werden. Lass uns wissen, warum du bei Elicit arbeiten möchtest und was dich an der Rolle reizt.
Mach es konkret!:Vermeide allgemeine Floskeln und sei spezifisch. Erzähl uns von deinen bisherigen Projekten und wie du deine Fähigkeiten in der Softwareentwicklung und im Umgang mit Sprachmodellen eingesetzt hast. Konkrete Beispiele helfen uns, dich besser zu verstehen.
Achte auf die Details!:Korrekte Rechtschreibung und Grammatik sind wichtig. Nimm dir die Zeit, deine Bewerbung sorgfältig zu überprüfen. Ein gut strukturiertes Dokument zeigt uns, dass du Wert auf Qualität legst – genau wie wir!
Bewirb dich über unsere Website!:Der einfachste Weg, um Teil unseres Teams zu werden, ist, dich direkt über unsere Website zu bewerben. So stellst du sicher, dass deine Bewerbung schnell und unkompliziert bei uns ankommt. Wir freuen uns darauf, von dir zu hören!
Wie man sich auf ein Vorstellungsgespräch bei Elicit vorbereitet
✨Verstehe die Rolle und das Unternehmen
Mach dich mit der Mission von Elicit vertraut und verstehe, wie sie Sprache und ML-Modelle nutzen, um Entscheidungen zu unterstützen. Überlege dir, wie deine Fähigkeiten als Machine Learning Engineer dazu beitragen können, diese Vision zu verwirklichen.
✨Bereite konkrete Beispiele vor
Denke an spezifische Projekte oder Erfahrungen, die zeigen, wie du komplexe Probleme gelöst hast. Sei bereit, darüber zu sprechen, wie du Softwarelösungen entwickelt hast, die den Nutzern helfen, und wie du mit verschiedenen Datenquellen gearbeitet hast.
✨Zeige deine Kommunikationsfähigkeiten
Da die Rolle auch die Zusammenarbeit mit Produktmanagern und Designern erfordert, ist es wichtig, dass du klar und präzise kommunizieren kannst. Übe, technische Konzepte einfach zu erklären, damit alle im Team verstehen, was du tust.
✨Sei bereit für technische Fragen
Erwarte Fragen zu Themen wie Transformatoren, Tokenizer und Python-Dekoratoren. Bereite dich darauf vor, diese Konzepte nicht nur zu erklären, sondern auch zu demonstrieren, wie du sie in deinen Projekten angewendet hast.
