Software Engineer, Machine Learning, Gemini

Mindestens erforderliche Qualifikationen: Bachelor-Abschluss in Informatik oder gleichwertige praktische Erfahrung. 2 Jahre Erfahrung in der Softwareentwicklung in einer oder mehreren Programmiersprachen oder 1 Jahr Erfahrung mit einem fortgeschrittenen Abschluss. 2 Jahre Erfahrung mit Datenstrukturen oder Algorithmen. 2 Jahre Erfahrung mit maschinellen Lernalgorithmen und -tools (z. B. TensorFlow), künstlicher Intelligenz, Deep Learning oder natürlicher Sprachverarbeitung.

Bevorzugte Qualifikationen: PhD in Maschinellem Lernen oder einem verwandten Bereich. Erfahrung mit Supervised Fine-Tuning (SFT) und Reinforcement Learning mit Human Feedback (RLHF). Erfahrung in der Arbeit mit großen Sprachmodellen (LLMs). Fähigkeit, unter Druck in hochriskanten, hochsichtbaren Umgebungen zu wachsen. Ausgezeichnete Datenanalysefähigkeiten.

Über die Stelle: Die Software-Ingenieure von Google entwickeln die Technologien der nächsten Generation, die verändern, wie Milliarden von Nutzern Informationen und miteinander interagieren. Unsere Produkte müssen Informationen in großem Maßstab verarbeiten und gehen weit über die Websuche hinaus. Wir suchen Ingenieure, die frische Ideen aus allen Bereichen einbringen, einschließlich Informationsabruf, verteiltes Rechnen, Systemdesign in großem Maßstab, Netzwerke und Datenspeicherung, Sicherheit, künstliche Intelligenz, natürliche Sprachverarbeitung, UI-Design und Mobilgeräte; die Liste wächst jeden Tag weiter. Als Software-Ingenieur werden Sie an einem spezifischen Projekt arbeiten, das für die Bedürfnisse von Google entscheidend ist, mit Möglichkeiten, Teams und Projekte zu wechseln, während Sie und unser schnelllebiges Geschäft wachsen und sich weiterentwickeln. Wir benötigen unsere Ingenieure, um vielseitig zu sein, Führungsqualitäten zu zeigen und begeistert neue Probleme im gesamten Stack anzugehen, während wir weiterhin die Technologie vorantreiben. Das Team arbeitet an allen multimodalen Bemühungen im Rahmen von Gemini. Wir haben die Bildabfrage, das Bildverständnis und die -generierung gestartet. Dies umfasst eine erhebliche Menge an tiefem Modellieren, wie Supervised Fine-Tuning (SFT), Reinforcement Learning mit Human Feedback (RLHF) und iterative Prozessoptimierung (IPO), um einen Datenflywheel zu etablieren usw. Ein Teil des Teams ist auch an dem Aufbau der notwendigen Infrastruktur und der Implementierung multimodaler Modellfähigkeiten und -funktionen beteiligt. In dieser Rolle werden Sie einen erheblichen externen Einfluss haben, was enormes Wachstumspotenzial und erhöhte Verantwortung bietet.

Verantwortlichkeiten: Zusammenarbeit mit Forschungsteams, um Technologien zu verstehen, diese anzupassen und in Gemini/Bard zu integrieren, um kontinuierliche Verbesserungen voranzutreiben. Nutzung von Supervised Fine-Tuning (SFT), Reinforcement Learning mit Human Feedback (RLHF) und Preference Optimization (IPO) zur Qualitätssteigerung. Durchführung eingehender Datenanalysen, um Erkenntnisse zu gewinnen, Chancen zu identifizieren und die strategische Entwicklung eines Datenflywheels zu informieren.