Auf einen Blick
- Aufgaben: Entwickle innovative KI-Modelle und verbessere deren Effizienz und Fähigkeiten.
- Unternehmen: Führendes Unternehmen im Bereich KI mit Fokus auf Forschung und Entwicklung.
- Vorteile: Attraktives Gehalt, flexible Arbeitszeiten und Möglichkeiten zur beruflichen Weiterentwicklung.
- Weitere Informationen: Dynamisches Team mit exzellenten Wachstumschancen in einem innovativen Umfeld.
- Warum dieser Job: Sei Teil der Zukunft der KI und arbeite an bahnbrechenden Projekten.
- Qualifikationen: Abschluss in Informatik oder verwandtem Bereich, idealerweise mit Promotion in NLP oder Machine Learning.
Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.
Als Mitglied des KI-Modellteams werden Sie Innovationen in der Architekturentwicklung für hochmoderne Modelle verschiedener Größenordnungen vorantreiben, einschließlich kleiner, großer und multimodaler Systeme. Ihre Arbeit wird die Intelligenz verbessern, die Effizienz steigern und neue Fähigkeiten einführen, um das Feld voranzubringen.
Sie verfügen über tiefgehende Expertise in Large Language Models (LLM) und multimodalen Architekturen, ein starkes Verständnis für Pre-Training-Optimierung und einen praxisorientierten, forschungsgetriebenen Ansatz. Ihre Mission ist es, neuartige Techniken und Algorithmen zu erkunden und umzusetzen, die zu bahnbrechenden Fortschritten führen: multimodale Datenkuratierung und -ausrichtung, Stärkung von Baselines sowie Identifizierung und Behebung bestehender Pre-Training-Flaschenhälse, um die Grenzen der Leistung von Cross-Modal-AI zu erweitern.
Verantwortlichkeiten
- Large-Scale Pre-Training: Durchführung grundlegender Pre-Trainings für LLMs und multimodale Modelle (Integration von Text, Vision, Audio oder anderen Modalitäten) auf großen, verteilten Servern mit mehreren Knoten und Tausenden von NVIDIA GPUs.
- Architektur- & Ausrichtungsinnovation: Entwurf, Prototyping und Skalierung innovativer Architekturen, Tokenizer und cross-modaler Ausrichtungsschichten zur Verbesserung der Modellintelligenz und des multimodalen Verständnisses.
- Datenstrategie: Beschaffung, Filterung und Kuratierung massiver textueller und multimodaler Datensätze sowie Etablierung robuster Datenpipelines für effizientes Pre-Training.
- Experimentelle Forschung: Unabhängige und kollaborative Durchführung von Experimenten, Analyse der Ergebnisse und Verfeinerung der Trainingsmethoden für optimale Leistung und Token-Effizienz.
- Optimierung & Debugging: Untersuchung, Debugging und Beseitigung von Flaschenhälsen in der Modelleffizienz, der rechnerischen Leistung und der Stabilität der multimodalen Ausrichtung während langer Trainingsläufe.
- Systemskalierbarkeit: Beitrag zur Weiterentwicklung verteilter Trainingssysteme, um nahtlose Skalierbarkeit und Hardwareeffizienz auf Zielplattformen sicherzustellen.
Qualifikationen
- Ein Abschluss in Informatik oder einem verwandten Bereich. Idealerweise ein Doktortitel in NLP, maschinellem Lernen oder einem verwandten Bereich mit einer soliden Erfolgsbilanz in KI-F&E und Veröffentlichungen in A*-Konferenzen.
- Praktische Erfahrung in der Mitwirkung an großangelegten LLM- oder multimodalen Pre-Training-Durchläufen auf großen, verteilten Servern mit Tausenden von NVIDIA GPUs, um Skalierbarkeit und wirkungsvolle Fortschritte in der Modellleistung sicherzustellen.
- Vertrautheit und praktische Erfahrung mit großangelegten, verteilten Trainingsframeworks, Bibliotheken und Tools.
- Tiefes Wissen über moderne Transformer- und Nicht-Transformer-Modifikationen, die darauf abzielen, Intelligenz, Effizienz und Skalierbarkeit zu verbessern.
- Starke Expertise in PyTorch und Hugging Face-Bibliotheken mit praktischer Erfahrung in der Modellentwicklung, kontinuierlichem Pre-Training und Bereitstellung.
AI Research Engineer (Pre-training - LLM & Multi-Modal) Arbeitgeber: Tether
Als Arbeitgeber im Bereich KI-Forschung bieten wir Ihnen die Möglichkeit, an der Spitze der technologischen Innovation zu arbeiten. Unsere Unternehmenskultur fördert Kreativität und Zusammenarbeit, während wir Ihnen durch gezielte Weiterbildungsangebote und ein unterstützendes Umfeld helfen, Ihre Fähigkeiten weiterzuentwickeln. Zudem profitieren Sie von modernster Ausstattung und einem inspirierenden Arbeitsumfeld, das den Austausch von Ideen und die Entwicklung bahnbrechender Lösungen in der KI-Architektur unterstützt.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so AI Research Engineer (Pre-training - LLM & Multi-Modal) erhalten könnten
✨Wende dich an die richtigen Communities
Schau dir Online-Communities und Foren an, die sich um Data Science drehen, wie Kaggle oder GitHub. Engagiere dich dort aktiv, teile deine Projekte und lerne von anderen – das wird dir helfen, nicht nur einen Fuß in die Tür zu bekommen, sondern auch wertvolle Kontakte zu knüpfen.
✨Präsentiere deine Daten-Projekte
Baue ein Portfolio auf, das deine besten Projekte zeigt. Nutze Plattformen wie GitHub oder eine persönliche Webseite, um deine Arbeiten zu veröffentlichen. Arbeitgeber im Data Science-Bereich schauen oft direkt auf praktische Erfahrungen, also zeig, was du drauf hast!
✨Nimm an Meetups und Hackathons teil
Besuche lokale Data Science-Meetups oder nehme an Hackathons teil. Diese Veranstaltungen sind nicht nur super, um dein Wissen zu erweitern, sondern auch Gold wert für Networking. Du lernst Fachkollegen kennen und kannst auf Lockere Art und Weise Eventualjobs ergattern.
✨Direkte Bewerbungen über unsere Seite
Vergiss nicht, direkt auf unserer Website nach Stellenangeboten bei Tether zu schauen. Hier kannst du dich auf offene Datenwissenschaftsstellen bewerben und zeigst damit direktes Interesse, das viele Arbeitgeber schätzen!
Wir glauben, dass du diese Fähigkeiten brauchst, um AI Research Engineer (Pre-training - LLM & Multi-Modal) mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Lass deine Daten sprechen!:In einem Bereich wie Data Science ist es entscheidend, dass du deine praktischen Fähigkeiten präsentierst. Wenn du an Projekten gearbeitet hast, die deine Analysefähigkeiten oder dein Wissen über Machine Learning demonstrieren, teile sie in deinem Lebenslauf oder füge einen Link zu deinem GitHub-Portfolio bei. Die Daten, die du analysiert hast, und die Tools, die du verwendest, sollten klar hervorgehoben werden.
Ergebnisse quantifizieren!:Unterstütze deine Erfahrung mit quantifizierbaren Ergebnissen. Zeige, wie du durch deine Analysen oder Modelle zur Entscheidungsfindung beigetragen hast oder wie deine Berechnungen den Rohdaten neue Erkenntnisse entlockt haben. Arbeitgeber in der Data Science sind oft an konkreten Verbesserungen und Effizienzsteigerungen interessiert!
Erläutere deine Lernbereitschaft!:Da es sich um eine Vollzeitstelle handelt, zeige in deinem Anschreiben, dass du bereit bist, zu lernen und dich weiterzuentwickeln. Sprich über deine Neugier für neue Technologien oder Methoden im Data Science Bereich. Vielleicht hast du auch Kurse besucht oder Zertifikate erworben, die deine Begeisterung zeigen!
Die richtige technische Sprache!:Achte darauf, dass deine Bewerbung alle relevanten technischen Begriffe enthält, die in der Data Science gebräuchlich sind. Nenne spezifische Programmier- und Analysetools wie Python, R oder SQL, die du beherrschst. Dies macht es für die Rekrutierer einfacher, schnell zu erkennen, dass du für die Rolle als AI Research Engineer (Pre-training - LLM & Multi-Modal) bei Tether gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Tether vorbereitet
✨Bereite deine technischen Skills vor
In einem Vorstellungsgespräch für eine Data-Science-Position wird oft dein Wissen über Tools wie Python, R oder SQL getestet. Mach dich mit gängigen Algorithmen und deren Einsatzmöglichkeiten vertraut, denn technische Fragen können schnell kommen. Lass uns sicherstellen, dass du in diesen Bereichen glänzt!
✨Verschaffe dir einen Überblick über Projekte
Da es sich um eine Vollzeitstelle handelt, ist es wichtig, dass du konkrete Erfahrungen und Projekte vorweisen kannst. Wenn du bereits an Data-Science-Projekten gearbeitet hast, sei bereit, diese in der Tiefe zu erläutern und zu diskutieren, wie du die Probleme gelöst hast. Dein Portfolio kann hier einen echten Unterschied machen!
✨Vorbereitung auf case studies
In Data-Science-Interviews sind case studies und praktische Probleme häufig Teil des Gesprächs. Übe, wie du strukturiert und logisch an solche Aufgaben herangehst. Arbeitgeber möchten sehen, wie du Daten analysierst und Lösungen entwickelst – bring also deine analytischen Fähigkeiten mit!
✨Zeige deine Leidenschaft für Daten
Mehr denn je geht es bei einer Vollzeitstelle darum, dass du nicht nur die Skills hast, sondern auch wirklich für das Feld brennst. Teile Anekdoten oder Erfahrungen, die zeigen, wie du zur Datenwissenschaft gekommen bist und was dich fasziniert. Diese Begeisterung kann für Tether entscheidend sein!
