Research Scientist Intern (PhD)

Research Scientist Intern (PhD)

Praktikum 2000 - 2500 € / Monat (geschätzt) Kein Homeoffice möglich
P

Auf einen Blick

  • Aufgaben: Entwickle bahnbrechende Modelle für strukturierte Daten und arbeite an innovativen KI-Projekten.
  • Unternehmen: Führendes Unternehmen im Bereich maschinelles Lernen mit einem dynamischen Team.
  • Vorteile: Starke Mentorship-Programme, umfassende Gesundheitsleistungen und flexible Arbeitsmöglichkeiten.
  • Weitere Informationen: Kreatives Umfeld mit hervorragenden Karrierechancen und einem inklusiven Team.
  • Warum dieser Job: Löse komplexe Probleme in der KI und arbeite mit Weltklasse-Forschern zusammen.
  • Qualifikationen: Aktuelles oder abgeschlossenes PhD-Studium in Informatik oder verwandten Bereichen.

Das prognostizierte Gehalt liegt zwischen 2000 - 2500 € pro Monat.

Wer wir sind: Foundation-Modelle haben Text und Bilder transformiert, aber strukturierte Daten – die größte und folgenschwerste Datenmodalität der Welt – sind unberührt geblieben. Tabellen steuern jede klinische Studie, jedes Finanzmodell, jedes wissenschaftliche Experiment und jede Geschäftsentscheidung. Niemand hat ein Foundation-Modell entwickelt, das sie wirklich versteht. Bis jetzt. Was LLMs für Sprache getan haben, tun wir für Tabellen. Der nächste Modalitätswechsel in der KI findet statt – und wir stellen das Team ein, das es möglich macht.

Momentum: Wir haben tabellarische Foundation-Modelle entwickelt und sind nun die weltweit führende Organisation im Bereich strukturierte Daten ML. Unser TabPFN v2-Modell wurde in Nature veröffentlicht und hat einen neuen Stand der Technik für tabellarisches maschinelles Lernen gesetzt. Seit seiner Veröffentlichung haben wir die Modellfähigkeiten um mehr als das 20-fache skaliert, über 3 Millionen Downloads erreicht, 6.000+ GitHub-Sterne erhalten und sehen eine beschleunigte Akzeptanz in Forschung und Industrie – von der Erkennung von Lungenerkrankungen mit Oxford Cancer Analytics bis zur Verhinderung von Zugausfällen mit Hitachi und der Verbesserung von Entscheidungen in klinischen Studien mit BostonGene.

Die schwierigste Arbeit liegt vor uns. Wir skalieren tabellarische Foundation-Modelle, um Millionen von Zeilen, Tausende von Merkmalen, Echtzeitinferenz und völlig neue Datenmodalitäten zu bewältigen – während wir die Infrastruktur aufbauen, um sie in Produktion in einigen der anspruchsvollsten Branchen der Erde einzusetzen. Dies sind offene Probleme, an denen sonst niemand auf diesem Niveau arbeitet.

Unser Team: Wir sind ein kleines, hochselektives Team von über 20 Ingenieuren, Forschern und GTM-Spezialisten, ausgewählt aus über 5.000 Bewerbungen, mit Hintergründen von Google, Apple, Amazon, Microsoft, G-Research, Jane Street, Goldman Sachs und CERN, geleitet von Frank Hutter, Noah Hollmann und Sauraj Gambhir und beraten von weltweit führenden KI-Forschern wie Bernhard Schölkopf und Turing-Preisträger Yann LeCun. Wir liefern schnell, schaffen erstklassige Forschung und halten uns gegenseitig an einen extrem hohen Standard.

Was kommt als Nächstes: Im Jahr 2025 haben wir 9 Millionen Euro Pre-Seed von Balderton Capital gesammelt, unterstützt von Führungspersönlichkeiten von Hugging Face, DeepMind und Black Forest Labs. Die nächste Wachstumsphase ist hier, was dies zu einem optimalen Zeitpunkt macht, um beizutreten.

Kernbereiche des Einflusses:

  • Skalierung unserer Transformer-Architekturen von 10.000 auf über 1 Million Proben bei gleichbleibender Leistung
  • Aufbau multimodaler Modelle, die Text- und tabellarisches Verständnis auf proprietären Daten kombinieren
  • Entwicklung spezialisierter Architekturen für Zeitreihen, Prognosen und Anomalieerkennung
  • Schaffung effizienter Inferenzmethoden für die Produktionsbereitstellung
  • Forschung zum kausalen Verständnis in Foundation-Modellen
  • Entwurf neuartiger Ansätze zur Handhabung mehrerer verwandter Tabellen

Was wir suchen:

  • Derzeit ein PhD-Studium in Informatik, angewandter Mathematik, Statistik, Elektrotechnik oder einem verwandten Bereich (wir ziehen auch außergewöhnliche Master-Studierende in Betracht)
  • Tiefe Erfahrung mit ML-Frameworks, insbesondere PyTorch und scikit-learn
  • Starke Ingenieurgrundlagen mit hervorragenden Python-Kenntnissen
  • Erfahrung in der Datenwissenschaft und der Arbeit mit tabellarischen Daten oder Zeitreihen
  • Veröffentlichungen in erstklassigen Fachzeitschriften (NeurIPS, ICML, ICLR) oder bedeutende Open-Source-Beiträge

Vorteile:

  • Starke Mentoring- und berufliche Entwicklungsmöglichkeiten
  • Arbeiten mit modernster ML-Architektur, erheblichen Rechenressourcen und einem erstklassigen Team
  • Umfassende Vorteile, einschließlich Gesundheitsversorgung, Transport und Fitness

Das Leben bei Prior Labs: Wir sind ein kleines, ehrgeiziges Team, das eines der schwierigsten Probleme in der KI löst, und wir fangen gerade erst an. Sie werden eng mit erstklassigen Forschern und Entwicklern zusammenarbeiten, die sich leidenschaftlich für die Qualität ihres Handwerks, die Auswirkungen ihrer Arbeit und die Menschen, mit denen sie arbeiten, einsetzen.

Wir bewegen uns schnell, denken rigoros und nehmen uns die Zeit, die Dinge richtig zu machen. Wenn Sie von schwierigen Problemen begeistert sind, von realen Auswirkungen motiviert werden und Teil des Aufbaus von etwas sein möchten, das wichtig ist, würden wir uns freuen, von Ihnen zu hören.

Unsere Verpflichtungen: Wir glauben, dass die besten Produkte und Teams aus einer Vielzahl von Perspektiven, Erfahrungen und Hintergründen entstehen. Deshalb begrüßen wir Bewerbungen von Menschen aller Identitäten und Lebenswege, insbesondere von Personen, die sich jemals durch „nicht alle Kästchen abhaken“ entmutigt gefühlt haben.

Wir setzen uns dafür ein, eine sichere, integrative Umgebung zu schaffen und Chancengleichheit unabhängig von Geschlecht, sexueller Orientierung, Herkunft, Behinderung oder einem anderen Merkmal, das Sie ausmacht, zu gewährleisten.

Research Scientist Intern (PhD) Arbeitgeber: PriorLabs

Prior Labs ist ein herausragender Arbeitgeber, der eine dynamische und unterstützende Arbeitsumgebung bietet, in der innovative Köpfe zusammenkommen, um die Herausforderungen im Bereich der strukturierten Daten zu meistern. Mit einem starken Fokus auf Mentorship und berufliche Entwicklung, modernster ML-Architektur und einem Team von Weltklasse-Forschern, bietet das Unternehmen nicht nur umfassende Vorteile wie Gesundheitsversorgung und Fitness, sondern auch die Möglichkeit, an bahnbrechenden Projekten zu arbeiten, die einen echten Einfluss auf die Welt haben. Wenn Sie nach einer sinnvollen und lohnenden Beschäftigung suchen, sind Sie hier genau richtig.

P

Kontaktdaten:

PriorLabs Recruiting-Team

StudySmarter Expertenrat🤫

Wir sind der Meinung, dass Sie so Research Scientist Intern (PhD) erhalten könnten

Tipp Nummer 1

Netzwerken ist der Schlüssel! Nutze Plattformen wie LinkedIn, um mit Leuten aus der Branche in Kontakt zu treten. Lass uns gemeinsam nach Verbindungen suchen, die dir helfen können, einen Fuß in die Tür zu bekommen.

Tipp Nummer 2

Bereite dich auf Vorstellungsgespräche vor, indem du häufige Fragen und technische Herausforderungen übst. Wir können dir helfen, die besten Ressourcen zu finden, um deine Fähigkeiten zu schärfen und selbstbewusst aufzutreten.

Tipp Nummer 3

Zeige deine Leidenschaft für das Thema! Sprich über deine Projekte und Erfahrungen, die relevant sind. Lass uns zusammenarbeiten, um deine Erfolge ins Rampenlicht zu rücken und zu zeigen, warum du die perfekte Ergänzung für das Team bist.

Tipp Nummer 4

Bewirb dich direkt über unsere Website! Das zeigt dein Interesse und gibt dir die Möglichkeit, dich von anderen abzuheben. Lass uns gemeinsam sicherstellen, dass deine Bewerbung heraussticht!

Wir glauben, dass du diese Fähigkeiten brauchst, um Research Scientist Intern (PhD) mit Bravour zu bestehen

Maschinenlernen (ML)
PyTorch
scikit-learn
Python-Expertise
Datenwissenschaft
Tabellarische Datenanalyse
Zeitreihenanalyse

Einige Tipps für deine Bewerbung 🫡

Sei authentisch!:Zeig uns, wer du wirklich bist! Deine Persönlichkeit und Leidenschaft für das Thema sind genauso wichtig wie deine Qualifikationen. Lass uns in deinem Anschreiben spüren, warum du dich für die Stelle interessierst und was dich motiviert.

Betone relevante Erfahrungen:Wenn du an Projekten oder Forschungen gearbeitet hast, die mit tabellarischen Daten oder ML-Frameworks zu tun haben, dann erzähl uns davon! Wir wollen sehen, wie deine bisherigen Erfahrungen dich auf diese Rolle vorbereiten.

Verwende klare und präzise Sprache:Halte deine Bewerbung klar und verständlich. Vermeide Fachjargon, wenn es nicht nötig ist, und achte darauf, dass deine Argumente logisch aufgebaut sind. Wir schätzen eine gut strukturierte Bewerbung!

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 effizient bearbeitet wird. Wir freuen uns auf deine Unterlagen!

Wie man sich auf ein Vorstellungsgespräch bei PriorLabs vorbereitet

Verstehe die Grundlagen

Mach dich mit den Grundlagen der tabellarischen Datenverarbeitung und den neuesten Entwicklungen in der KI vertraut. Lies über die TabPFN v2 und andere relevante Modelle, um während des Interviews gezielt Fragen stellen zu können.

Bereite deine Projekte vor

Sei bereit, über deine bisherigen Projekte und Erfahrungen zu sprechen, insbesondere über solche, die sich auf maschinelles Lernen und tabellarische Daten beziehen. Zeige, wie du Herausforderungen gemeistert hast und welche Ergebnisse du erzielt hast.

Fragen stellen

Bereite einige durchdachte Fragen vor, die zeigen, dass du an der Vision und den Zielen des Unternehmens interessiert bist. Frage nach den aktuellen Herausforderungen im Bereich der tabellarischen Daten und wie das Team plant, diese zu bewältigen.

Technische Fähigkeiten demonstrieren

Sei bereit, deine Programmierkenntnisse in Python und deine Erfahrung mit ML-Frameworks wie PyTorch oder scikit-learn zu demonstrieren. Möglicherweise wirst du gebeten, ein kurzes Coding-Beispiel zu lösen oder deine Denkweise bei der Problemlösung zu erläutern.