Technical Staff Member – Data Intelligence

Emploi pas sur LinkedIn

🕒 il y a 3 mois

🌐 États-Unis, Royaume-Uni, +1 autres pays – Distant

🇺🇸 États-Unis – Télétravail 🇬🇧 Royaume-Uni – Télétravail 🇸🇬 Singapour – Télétravail

⏰ Temps Plein

🔴 Expert

👻 Score fantôme 60%

Ce que ça veut dire : la probabilité que cette offre reste ouverte sans recrutement actif.Comment le lire : 60 % ou plus, on pense que c'est une offre fantôme. Un score plus bas est moins inquiétant.Comment on la calcule : ancienneté, republications, postes ouverts vs taille de l'équipe, rapidité de clôture, et si le salaire est indiqué.À noter : une estimation à partir de données publiques, pas un jugement sur l'entreprise. De vraies offres peuvent avoir un score élevé, alors prenez-le comme un indice, pas comme un fait.

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

Reka AI

Site WebLinkedInTous les Emplois

1 - 10 employés

Fondée en 2022

🤖 Intelligence artificielle

🏢 Entreprise

☁️ SaaS

💰 €58 000 000 Series A en 2023-06

Artificial Intelligence • Enterprise • SaaS

Reka AI est une entreprise spécialisée dans le développement de modèles d'intelligence artificielle multimodaux à la pointe de la technologie. Ces modèles sont conçus pour doter les agents d'IA de la capacité de voir, d'entendre et de parler, facilitant ainsi une gamme d'applications allant du texte et du code aux images, vidéos et données audio. Les modèles propriétaires de Reka, notamment Reka Core, Flash, Edge et Spark, sont créés de A à Z avec des architectures innovantes qui permettent leur déploiement sur des appareils, sur site ou dans le cloud. Connue pour ses avancées dans le domaine de la recherche en IA, Reka AI collabore avec des partenaires technologiques mondiaux pour élargir l'accès à ses capacités avancées en IA multimodale.

Description

• Work with model researchers to define what “good data” means for our models, including quality metrics, validation checks, and acceptance thresholds • Explore open source datasets and create internal ones most suitable to build fundamental World Models • Build algorithms for automated data quality assessment, data domain mixtures, and domain adaptation from synthetic to real data. • Track datasets, metadata, provenance, and versions so experiments are reproducible and it’s clear what data went into which training and evaluation runs • Own CI/CD and development tooling for the data stack (GitHub, Python, PyTorch), and automate repetitive workflows to reduce friction • Track and optimize throughput, storage, and compute utilization across pipelines and related assets

🎯 Exigences

• Strong ML and deep learning fundamentals with experience building and operating large-scale data and/or compute systems • Comfortable moving between research questions and production engineering: you can dig into data, run analyses, and also ship reliable systems • Demonstrated research experience with data compositions, quality, and dataset releases • Ability to design and execute experiments with convincing unbiased outcomes • Practical experience with distributed processing and orchestration (Spark, Ray, Airflow, or equivalents) • Solid Python skills, and familiarity with the tooling around modern model training workflows (datasets, checkpoints, experiment tracking) • Strong instincts around data quality: how to measure it, how to monitor it, and how to prevent regressions as things scale • Able to work in a fast-moving environment, prioritize what matters, and communicate clearly with both researchers and engineers • Bonus: experience with large video datasets, dataset curation for training, or building internal tooling for evaluation/analysis in ML environments

🏖️ Avantages

• Flexible work arrangements