Research Engineer – Pretraining Data

🕒 vor 16 Tagen

🏄 California – Remote

🏄 California – Remote

💵 $150.000 - $350.000 / Jahr

⏰ Vollzeit

🟡 Mittelstufe

🟠 Senior

📚 Forschungsingenieur

👻 Geisterscore 5%

Was es bedeutet: die Wahrscheinlichkeit, dass für diese Stelle niemand wirklich einstellt.So liest du es: 60 % oder höher heißt, wir halten das für einen Geisterjob. Niedrigere Werte sind weniger bedenklich.Wie wir werten: Dauer offen, Neuveröffentlichungen, offene Stellen vs Teamgröße, wie schnell Stellen geschlossen werden, und ob ein Gehalt angegeben ist.Hinweis: eine Schätzung aus öffentlichen Daten, kein Urteil über das Unternehmen. Echte Stellen können hoch punkten, nutze es also als Hinweis, nicht als Fakt.

Jetzt Bewerben

Ähnliche Remote-Jobs finden

Prime Intellect

WebsiteLinkedInAlle Stellen

1 - 10 Mitarbeiter

🤖 Künstliche Intelligenz

☁️ SaaS

Artificial Intelligence • SaaS • Cloud Computing

Prime Intellect ist ein Unternehmen, das sich darauf konzentriert, die KI-Entwicklung zu demokratisieren, indem es skalierbare und dezentrale Computerressourcen für das Training von Modellen bereitstellt. Ihre Plattform ermöglicht es Nutzern, weltweit verfügbare Computerressourcen zu finden und zu teilen, um den Training von hochmodernen Modellen durch verteilte Cluster zu ermöglichen. Sie fördern das kollektive Eigentum an KI-Innovationen, einschließlich Sprach- und wissenschaftlicher Modelle. Prime Intellect bietet zudem eine Reihe von GPU-Optionen, um kostengünstiges und effizientes Modelltraining zu erleichtern. Sie streben danach, die Forschung im Bereich des dezentralen Trainings und die Entwicklung von Open-Source-KI weltweit voranzutreiben.

Beschreibung

• Find, evaluate, and collect valuable training data from web, code, and technical sources • Build scalable pipelines that turn raw data into training-ready corpora through extraction, cleaning, deduplication, and filtering • Develop checks for data quality, coverage, and contamination, and use them to improve collection and processing • Work with researchers on data mixtures and sampling strategies for pretraining and midtraining • Prepare and evaluate data for long-context learning, reasoning, and coding, testing synthetic data where useful • Run controlled data experiments and use model evaluations to decide which sources, mixtures, and processing choices are worth scaling • Make large-scale data processing efficient, reproducible, and recoverable, with clear source provenance and dataset versioning

🎯 Anforderungen

• Strong programming skills in Python and a record of building reliable data-processing or distributed systems • Experience working with large datasets and managing the practical tradeoffs of storage, compute, throughput, and reproducibility • Ability to diagnose data-quality issues and translate research goals into measurable checks and experiments • Comfort owning an evolving technical problem end to end and working closely with researchers to test assumptions and improve the system • Experience with web crawling, document extraction, code-data collection, or large-scale corpus curation • Experience with deduplication, text classification, quality scoring, synthetic data, or training-data contamination analysis • Experience with data-mixture experiments, curriculum learning, or measuring how dataset changes affect model performance • Experience preparing datasets for language-model pretraining, continued pretraining, or midtraining is nice to have • Work with distributed processing frameworks such as Spark, Ray, or comparable systems is nice to have • Experience with multilingual, mathematical, scientific, or repository-level code data is nice to have • Familiarity with tokenization, training data loaders, and the needs of large model-training runs is nice to have

🏖️ Vorteile

• Equity incentives • Flexible work arrangements, with the option to work remotely or in-person at our offices in San Francisco • Visa sponsorship • Relocation assistance for international candidates • Quarterly team off-sites • Hackathons • Conferences and learning opportunities

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen