Lead Research Engineer - Post-Training ML Systems (Remote)

Lead Research Engineer - Post-Training ML Systems (Remote)

Lausanne Vollzeit 63000 - 77000 € / Jahr (geschätzt) Homeoffice
G

Auf einen Blick

  • Aufgaben: Leite die Entwicklung und Optimierung von ML-Systemen in einem dynamischen Team.
  • Unternehmen: Giotto.ai, ein innovatives KI-Unternehmen aus der Schweiz.
  • Vorteile: Flexibles Arbeiten, wettbewerbsfähiges Gehalt und Möglichkeiten zur beruflichen Weiterentwicklung.
  • Weitere Informationen: Remote-Position mit großartigen Wachstumschancen.
  • Warum dieser Job: Gestalte die Zukunft der KI und arbeite an bahnbrechenden Projekten.
  • Qualifikationen: Erfahrung in maschinellem Lernen und Führungskompetenzen.

Das prognostizierte Gehalt liegt zwischen 63000 - 77000 € pro Jahr.

Giotto.ai, ein in der Schweiz ansässiges KI-Unternehmen, sucht einen Lead Research Engineer/Scientist, der für das Training und die Optimierung von Post-Training-Stacks verantwortlich ist. Aus vortrainierten Checkpoints werden Sie Methoden entwerfen, skalieren und betreiben, um fähige, zuverlässige Produktionsmodelle zu erstellen, einschließlich SFT, RLHF und Policy Distillation, in Multi-Maschinen-Umgebungen.

Sie werden die technische Richtung gestalten, Forscher betreuen und mit Daten-, Infrastruktur- und Evaluierungsteams zusammenarbeiten, während Sie weiterhin praktisch tätig sind.

Lead Research Engineer - Post-Training ML Systems (Remote) Arbeitgeber: Giotto.ai

Giotto.ai ist ein hervorragender Arbeitgeber, der innovative Technologien in einem dynamischen Umfeld fördert. Mit einem starken Fokus auf Mitarbeiterentwicklung und einer offenen, kollaborativen Unternehmenskultur bietet das Unternehmen zahlreiche Möglichkeiten zur beruflichen Entfaltung. Die Lage in der Schweiz ermöglicht zudem eine hohe Lebensqualität und Zugang zu einem Netzwerk von Fachleuten in der KI-Branche.

G

Kontaktdaten:

Giotto.ai Recruiting-Team

Wir glauben, dass du diese Fähigkeiten brauchst, um Lead Research Engineer - Post-Training ML Systems (Remote) mit Bravour zu bestehen

Maschinelles Lernen
Optimierung von Modellen
SFT (Supervised Fine-Tuning)
RLHF (Reinforcement Learning from Human Feedback)
Policy Distillation
Multi-Maschinen-Umgebungen
Technische Leitung