AI kutató (Datadog AI Research - DAIR)

Stack

Feladatok

• ▹Kutatás végzése generatív AI és gépi tanulás témakörében, specializált alapmodellek és tanított ügynökök építése megfigyelhetőségi célokra
• ▹Multimodális modellek tanítása nagy méretű, sokféle telemetria-adaton (metrikák, logok, trace-ek, topológia, események) elosztott tanítási infrastruktúrával
• ▹Szimulált környezetek és RL-tanítási hurkok tervezése és építése on-policy ügynöktanításhoz és -kiértékeléshez
• ▹Együttműködés cross-funkcionális csapatokkal (termék, mérnöki), hogy a multimodális világmodellek és autonóm ügynökök beépüljenek a Datadog termékeibe
• ▹Naprakész ismeretek fenntartása az alapmodellek, világmodellek és RL-alapú ügynökkutatás terén
• ▹Hozzájárulás publikációkhoz, előadás vezető konferenciákon (NeurIPS, ICLR, ICML), modellek és benchmarkok nyílt forráskódúvá tétele

Elvárások

• ▹PhD fokozat számítástudományból, gépi tanulásból vagy kapcsolódó területről, mély szakértelemmel generatív modellezésben, világmodellekben, AI-ügynökökben, megerősítéses tanulásban vagy multimodális tanulásban (vagy ezzel egyenértékű tapasztalat)
• ▹Kiterjedt tapasztalat mélytanulási modellek és ügynökök tervezésében és megvalósításában, erős háttér elosztott tanítási keretrendszerekben (pl. DeepSpeed, Megatron-LM) és a PyTorch könyvtárban
• ▹Bizonyított publikációs eredmények vezető konferenciákon (NeurIPS, ICLR, ICML, TMLR)
• ▹Jártasság nagy alapmodellek hatékony tanítási, post-training és inferencia-technikáiban
• ▹Képesség komplex modellek és kutatási eredmények elmagyarázására szakmai és nem szakmai közönség számára is

Soft skillek

A munkáltatóról

A Datadog AI Research (DAIR) csapata magas kockázatú, nagy hozam potenciállal bíró kutatási problémákon dolgozik a felhőalapú megfigyelhetőség és biztonság valós kihívásaira alapozva, építve a Datadog korábbi AI-alapú megoldásaira (Bits AI, Bits Evolve, idősoros alapmodell).