Engenheiro de aprendizagem por reforço
£126,000–£210,000/ano (£10,500–£17,500/mês) — Negociável
Descrição da vaga
Trabalhe em fluxos de trabalho de aprendizagem por reforço e otimização de preferências para melhoria do comportamento do modelo. A função se concentra na modelagem de recompensas, pipelines de PPO ou DPO, diagnósticos e execuções de treino reproduzíveis.
Requisitos
- Experiência prática com aprendizagem por reforço, otimização de preferências ou fluxos de trabalho no estilo RLHF
- Fortes habilidades em Python e framework de aprendizagem profunda
- Familiaridade com modelagem de recompensas, PPO, DPO, diagnóstico de treino ou design de avaliação
- Capacidade de raciocinar sobre qualidade de dados, desvios de políticas e estabilidade de treino
- Fortes habilidades em Python e framework de aprendizagem profunda
- Familiaridade com modelagem de recompensas, PPO, DPO, diagnóstico de treino ou design de avaliação
- Capacidade de raciocinar sobre qualidade de dados, desvios de políticas e estabilidade de treino
Responsabilidades
- Construir e manter fluxos de trabalho de treino de RL ou otimização de preferências
- Monitorar diagnósticos de treino e investigar instabilidades ou regressões
- Trabalhar com equipas de pesquisa e infraestrutura em experimentos repetíveis
- Documentar mudanças no comportamento do modelo e implicações de lançamento
- Monitorar diagnósticos de treino e investigar instabilidades ou regressões
- Trabalhar com equipas de pesquisa e infraestrutura em experimentos repetíveis
- Documentar mudanças no comportamento do modelo e implicações de lançamento
Benefícios
- Trabalhar em fluxos de trabalho de melhoria de modelo aplicado com suporte de infraestrutura
- Colaborar com equipas de pesquisa, segurança e plataforma de ML
- Ajudar a definir padrões para qualidade de dados de preferência e confiabilidade de treino
- Colaborar com equipas de pesquisa, segurança e plataforma de ML
- Ajudar a definir padrões para qualidade de dados de preferência e confiabilidade de treino
Visão geral da vaga
Tipo de emprego
Tempo integral
Nível de experiência
Intermédio
Localização
Londres, Inglaterra, Reino Unido
Vagas
2
Candidatar-se agora