Pesquisador de IA — Otimização de Treinamento

Vaga não está no LinkedIn

🕒 Janeiro 23

Candidatar-se

Encontrar Vagas Remotas Similares

Configurar Alerta de Email para Novas Vagas

📊 Verifique sua pontuação de currículo para esta vaga

Melhore suas chances de conseguir uma entrevista verificando sua pontuação de currículo antes de se candidatar.

Enviar Currículo

Featherless AI

SiteLinkedInTodas as Vagas

1 - 10 funcionários

Fundada em 2023

🤖 Inteligência Artificial

☁️ SaaS

🔌 API

Artificial Intelligence • SaaS • API

A Featherless AI é um provedor de inferência de IA sem servidor e hospedagem de modelos que oferece acesso via API a um grande e crescente catálogo de modelos de pesos abertos (12. 200+), permitindo que desenvolvedores e empresas implante, ajustem e executem modelos em escala sem gerenciar servidores. A empresa oferece preços de assinatura fixa com tokens ilimitados, orquestração de GPU, uso privado/anônimo (sem logs) e opções para hospedagem própria em nível empresarial ou unidades de escala para alta concorrência. A Featherless AI também opera como um laboratório de pesquisa em IA focado em modelos de código aberto e pós-transformadores, alegando melhorias significativas de custo e desempenho para modelos grandes e agentes de IA.

Descrição

• Projetar e avaliar técnicas de otimização de treinamento para modelos de grande porte (por exemplo: algoritmos de otimização, schedulers, normalização, estratégias de curriculum) • Melhorar eficiência e estabilidade de treinamento em execuções longas e com grandes conjuntos de dados • Pesquisar e implementar métodos como: • Inovações em otimizadores e schedulers • Treinamento com mixed-precision, low-precision e otimização de uso de memória • Redução de ruído de gradiente, leis de escala (scaling laws) e análise de convergência • Técnicas de regularização em tempo de treinamento e de robustez • Conduzir experimentos em larga escala, analisar resultados e transformar achados em melhorias acionáveis • Redigir ou coautorizar artigos de pesquisa, relatórios técnicos ou posts em blog • Colaborar de perto com as equipes de infraestrutura e inference para garantir que decisões de treinamento se traduzam em desempenho no mundo real

🎯 Requisitos

• Sólida formação em pesquisa de machine learning, com ênfase em dinâmica de treinamento e otimização • Experiência em treinar grandes redes neurais (LLMs, modelos multimodais ou modelos de sequência de grande porte) • Experiência em publicações em veículos de ML (por exemplo: NeurIPS, ICML, ICLR, ACL, EMNLP, COLM, arXiv) ou pesquisa aberta de qualidade equivalente • Sólido entendimento de: • Teoria e prática da otimização • Backpropagation, fluxo de gradiente e estabilidade de treinamento • Treinamento distribuído e com batches grandes • Proficiência em Python e frameworks modernos de ML (preferencialmente PyTorch) • Capacidade de projetar experimentos de forma independente e interpretar resultados a partir dos dados • Desejável • Experiência com arquiteturas não padrão (por exemplo: variantes de RNN, modelos com contexto longo, sistemas híbridos) • Experiência em otimizar treinamento em GPUs em escala (FSDP, ZeRO, kernels customizados) • Contribuições para codebases open-source de ML ou pesquisa • Conforto em atuar em ambientes de startup rápidos e ambíguos

🏖️ Benefícios

• Liberdade para conduzir e publicar pesquisas inovadoras • Influência real nas decisões centrais de treinamento de modelos • Acesso direto a experimentos em larga escala e a restrições reais de produção • Uma equipe pequena e sênior que valoriza pensamento aprofundado e entrega cuidadosa