Data scientist (AI-adat és LLM-specialista)

Stack

Feladatok

• ▹Adatcímkézési stratégia kidolgozása: formális annotációs stratégia és világos, skálázható, hatékony címkézési irányelvek megtervezése és dokumentálása
• ▹Minőségi mérőszámok (például annotátorok közötti egyezés) meghatározása és betartatása
• ▹LLM-ekhez optimalizálás: az adathalmazokon végzett LLM-finomhangoláshoz és -tanításhoz szükséges adatformátumok, struktúrák és előfeldolgozási lépések kutatása, meghatározása és prototípusa
• ▹Adatminőség-elemzés: automatizált folyamatok és mérőszámok kialakítása a nyers és a címkézett adatok minőségének vizsgálatára, visszajelzéssel az adatgyűjtési és címkézési munkafolyamatok javításához
• ▹Együttműködés a fejlesztőcsapattal az adatfeldolgozó pipeline-ok megvalósításának irányításában, és annak biztosítása, hogy az adatinfrastruktúra kiszolgálja az ML-alkalmazásokat

Elvárások

• ▹Igazolt tapasztalat data scientistként vagy gépi tanulási mérnökként, az adatminőségre és az adat-előkészítésre fókuszálva
• ▹Az adatcímkézési módszertanok alapos ismerete, gyakorlati tapasztalat annotációs platformokkal és munkafolyamatokkal
• ▹Tapasztalat adathalmazok előkészítésében LLM-ek tanításához és finomhangolásához, beleértve a tokenizálás, az embeddingek és az NER ismeretét
• ▹Python és a gyakori adattudományi könyvtárak (pl. Pandas, NumPy, Scikit-learn, spaCy, Hugging Face) ismerete
• ▹Tapasztalat API-k/SDK-k használatában az adatannotáció és az active learning ciklusok automatizálására
• ▹Kiváló kommunikációs készség, világos dokumentáció készítése technikai és nem technikai közönségnek

Előny

• ▹Tapasztalat az audioadat-feldolgozásban és a hozzá tartozó könyvtárakban
• ▹Annotációs platformok és eszközök ismerete
• ▹Modern MLOps-elvek és -gyakorlatok ismerete
• ▹Tapasztalat LLM-adatok gondozásában és RLHF (emberi visszajelzésből tanuló megerősítéses tanulás) pipeline-okban

Soft skillek

Amit kínálunk

• ▹Versenyképes fizetés, részvényjuttatás (equity) és juttatási csomag
• ▹Szinkron és aszinkron együttműködés, heti all-hands megbeszélések, Slack, negyedéves személyes találkozók

A munkáltatóról

Az Eclipse a leggyorsabb Ethereum Layer 2-t építi Solana VM-mel. Emellett saját fejlesztésű alkalmazásokon dolgozik, élvonalbeli befektetők (Polychain, Tribe Capital, Placeholder, DBA) támogatásával. Az alapítócsapat a dYdX, a Uniswap és a zkSync indításában szerzett tapasztalatot.