О роли
Цель инженера по машинному обучению в Scale — использовать методы в областях генеративного ИИ, компьютерного зрения, обучения с подкреплением и агентного ИИ для улучшения продуктов Scale и опыта клиентов в производственных средах. Наши инженеры по машинному обучению используют надежную внутреннюю инфраструктуру и уникальный доступ к огромным наборам данных для предоставления улучшений нашим клиентам.
Наша команда машинного обучения для государственного сектора сосредоточена на внедрении передовых моделей в критически важные государственные системы через продукты, такие как Donovan и Thunderforge. Наша работа охватывает несколько модальностей, с сильным акцентом как на большие языковые модели, так и на компьютерное зрение. В части LLM мы разрабатываем агентные системы, которые помогают решать сложные операционные и планировочные задачи для государственных партнеров. Это включает создание агентных фреймворков, интегрирующихся с пользовательскими конвейерами поиска и производственными API, а также инструментов оценки для бенчмаркинга и улучшения поведения агентов. Мы также продвигаем исследования в таких областях, как обучение с подкреплением для агентных LLM, с успешным внедрением в реальные операционные среды. В области компьютерного зрения мы обучаем продвинутые модели для увеличения пропускной способности маркировки и автоматизации задач восприятия. Наши усилия включают создание масштабируемых конвейеров дообучения, обучение моделей по нескольким модальностям и разработку обобщаемых базовых моделей зрения для поддержки широкого спектра оборонных приложений.
Вы будете
•Использовать передовые модели, разработанные внутри компании и сообществом, применять их в производстве для решения задач наших клиентов и исполнителей
•Улучшать и поддерживать производственные модели через переобучение, настройку гиперпараметров и обновления архитектуры, сохраняя при этом основные характеристики производительности
•Сотрудничать с командами продукта и исследований для выявления и прототипирования улучшений продуктов на основе машинного обучения, включая будущие продуктовые линии
•Работать с огромными наборами данных для разработки как универсальных моделей, так и дообучения моделей для конкретных продуктов
•Создавать масштабируемую инфраструктуру машинного обучения для автоматизации и оптимизации наших ML-сервисов
•Выступать в роли кросс-функционального представителя и адвоката методов машинного обучения в инженерных и продуктовых организациях
•Легко осваивать новые технологии и управлять несколькими приоритетами в быстро меняющейся среде
•Готовность к легким командировкам (примерно 10%) для взаимодействия с клиентами и нужд команды
Для этой роли требуется активный допуск к секретной информации уровня TS.
Идеально, если у вас есть
•Более 2 лет опыта в создании и развертывании прикладных систем машинного обучения в производственных средах
•Обширный опыт работы с GenAI, агентным ИИ, обработкой естественного языка, глубоким обучением и глубоким обучением с подкреплением или компьютерным зрением в производственной среде
•Прочные знания алгоритмов, структур данных и объектно-ориентированного программирования
•Сильные навыки программирования на Python, опыт работы с Tensorflow или PyTorch
Желательно иметь
•Опыт развертывания программного обеспечения в средах, к которым нельзя получить доступ с ноутбука — локально, на периферии, в изолированных или иначе ограниченных сетях. Регулируемые отрасли считаются; важен сам факт ограничения, а не сектор.
•Любой предыдущий опыт работы с государственными или оборонными структурами: военная или гражданская служба, стажировка с допуском или работа в федеральном подрядчике.
•Практический опыт дообучения моделей с открытыми весами — LoRA/PEFT, настройка инструкций или обучение моделей встраивания, на работе или самостоятельно.
•Опыт написания оценок для систем с недетерминированным выводом: бенчмарки, судьи LLM или набор регрессий, который выявил реальную проблему.
•Опыт работы с геопространственными данными или картами — инструменты ГИС, системы пространственных ссылок или изображения.
•Реализованный проект с реальными пользователями, за который вы отвечали после запуска, а не передавали его после слияния.
Компенсация и льготы
Пакеты компенсаций в Scale для соответствующих ролей включают базовую зарплату, акции и льготы. Диапазон, указанный в объявлении о вакансии, отражает минимальную и максимальную целевую зарплату для новых сотрудников на данной позиции и может включать несколько карьерных уровней в Scale; он определяется в процессе собеседования с учетом места работы и дополнительных факторов, включая профессиональные навыки, опыт, квалификацию, результаты интервью и соответствующее образование или обучение. Сотрудникам Scale на соответствующих ролях также предоставляются компенсации в виде акций, подлежащие утверждению Советом директоров. Льготы включают, но не ограничиваются: комплексное медицинское, стоматологическое и офтальмологическое страхование, пенсионные льготы, стипендию на обучение и развитие, а также щедрый оплачиваемый отпуск. Эта роль может иметь право на дополнительные льготы, такие как компенсация расходов на проезд.
Диапазон базовой зарплаты для этой полной занятости в локации Вашингтон, округ Колумбия: $235,200—$294,000 USD.
Примечание: политика компании требует 90-дневного периода ожидания перед повторным рассмотрением кандидатов на ту же роль.
О компании
В Scale миссия компании — разрабатывать надежные системы ИИ для самых важных решений в мире. Продукты Scale предоставляют высококачественные данные и полнофункциональные технологии, которые поддерживают ведущие мировые модели, а также помогают предприятиям и правительствам создавать, внедрять и контролировать приложения ИИ. Scale тесно сотрудничает с лидерами отрасли, такими как Meta, Ernst & Young, Mayo Clinic, Time Inc., правительство Катара и правительственные агентства США, включая Армию и ВВС.
