Ingénieur Machine Learning — Recherche en architecture d'IA

Emploi pas sur LinkedIn

🕒 il y a 5 mois

Postuler Maintenant

Trouver des Emplois à Distance Similaires

Configurer une alerte email pour les nouveaux emplois

📊 Vérifiez votre score de CV pour ce poste

Améliorez vos chances d'obtenir un entretien en vérifiant votre score de CV avant de postuler.

Télécharger le CV

Featherless AI

Site WebLinkedInTous les Emplois

1 - 10 employés

Fondée en 2023

🤖 Intelligence artificielle

☁️ SaaS

🔌 API

Artificial Intelligence • SaaS • API

Featherless AI est un fournisseur de services d'inférence AI sans serveur et d'hébergement de modèles qui offre un accès API à un vaste catalogue de modèles à poids ouvert (plus de 12 200), permettant aux développeurs et aux entreprises de déployer, ajuster et exécuter des modèles à grande échelle sans gérer de serveurs. La société propose un tarif d'abonnement forfaitaire avec des jetons illimités, l'orchestration GPU, une utilisation privée/anonyme (sans journaux) et des options de self-hosting pour les entreprises ou des unités de mise à l'échelle pour une haute simultanéité. Featherless AI fonctionne également comme un laboratoire de recherche en intelligence artificielle axé sur la recherche open-source et post-transformateur, revendiquant des améliorations significatives en termes de coûts et de performance pour les grands modèles et agents IA.

Description

• Rechercher et développer de nouvelles architectures de réseaux de neurones (par ex. alternatives ou extensions aux Transformers, modèles récurrents/hybrides, systèmes gérant de longs contextes) • Concevoir et réaliser des expériences au niveau de l'architecture (lois d'échelle, mécanismes de mémoire, compromis en termes de calcul) • Prototyper des modèles de bout en bout — du code de recherche aux implémentations prêtes pour l'entraînement • Collaborer avec les ingénieurs d'inférence et systèmes pour garantir que les architectures sont déployables et efficaces • Analyser le comportement des modèles, les modes de défaillance et les biais inductifs • Lire, reproduire et étendre des articles de recherche à la pointe • Contribuer aux notes de recherche internes, aux benchmarks et aux projets open source (le cas échéant)

🎯 Exigences

• Solide formation en fondements de l'apprentissage automatique et en apprentissage profond • Expérience pratique d'implémentation d'architectures de modèles à partir de zéro • Compréhension solide de : • • Mécanismes d'attention, RNN, modèles d'espace d'état (SSM) ou architectures hybrides • • Dynamiques d'entraînement, comportement à l'échelle et optimisation • • Contraintes de mémoire, de latence et de calcul au niveau du modèle • À l'aise avec PyTorch ou JAX • Capacité à passer aisément de la théorie à l'expérimentation et à l'ingénierie • Communicateur clair, capable d'expliquer les compromis d'architecture • Atouts • • Expérience avec des architectures non-Transformer (variantes de RNN, SSM, modèles pour longs contextes) • • Expérience dans des startups axées recherche ou des projets ML open source • • Expérience en entraînement à grande échelle ou en boucles d'entraînement personnalisées • • Publications, preprints ou contributions de recherche notables • • Connaissance de l'optimisation de l'inférence et des contraintes de déploiement

🏖️ Avantages

• Rémunération compétitive + participation au capital significative