مهندس تعلم معزز
£126,000–£210,000/سنة (£10,500–£17,500/شهر) — قابل للتفاوض
الوصف الوظيفي
العمل على التعلم المعزز وسير عمل تحسين التفضيلات لتحسين السلوك النموذجي. يركز الدور على نماذج المكافآت، وخطوط أنابيب PPO أو DPO، والتشخيصات، وعمليات التدريب القابلة للتكرار.
المتطلبات
- خبرة عملية في التعلم المعزز أو تحسين التفضيلات أو سير العمل بأسلوب RLHF
- مهارات قوية في إطار بايثون والتعلم العميق
- الإلمام بنمذجة المكافآت أو PPO أو DPO أو تشخيص التدريب أو تصميم التقييم
- القدرة على التفكير بشأن جودة البيانات وانجراف السياسات واستقرار التدريب
- مهارات قوية في إطار بايثون والتعلم العميق
- الإلمام بنمذجة المكافآت أو PPO أو DPO أو تشخيص التدريب أو تصميم التقييم
- القدرة على التفكير بشأن جودة البيانات وانجراف السياسات واستقرار التدريب
المسؤوليات
- بناء وصيانة سير عمل التدريب على RL أو تحسين التفضيلات
- مراقبة تشخيصات التدريب والتحقيق في عدم الاستقرار أو التراجعات
- العمل مع فرق البحث والبنية التحتية على تجارب قابلة للتكرار
- توثيق تغييرات سلوك النموذج وتأثيرات الإصدار
- مراقبة تشخيصات التدريب والتحقيق في عدم الاستقرار أو التراجعات
- العمل مع فرق البحث والبنية التحتية على تجارب قابلة للتكرار
- توثيق تغييرات سلوك النموذج وتأثيرات الإصدار
المزايا
- العمل على سير عمل تحسين النموذج التطبيقي مع دعم البنية التحتية
- التعاون مع فرق البحث والسلامة ومنصة ML
- المساعدة في وضع معايير لجودة بيانات التفضيلات وموثوقية التدريب
- التعاون مع فرق البحث والسلامة ومنصة ML
- المساعدة في وضع معايير لجودة بيانات التفضيلات وموثوقية التدريب
نظرة عامة على الوظيفة
نوع التوظيف
دوام كامل
مستوى الخبرة
متوسط
الموقع
لندن, إنجلترا, المملكة المتحدة
الشواغر
2
تقدم الآن