مهندس بحث الذكاء الاصطناعي

Tether Operations Limited

حول الوظيفة:

كعضو في فريق نماذج الذكاء الاصطناعي، ستقود الابتكار في منهجيات الضبط الدقيق تحت الإشراف للنماذج المتقدمة. ستعمل على تحسين النماذج المدربة مسبقًا بحيث تقدم ذكاءً معززًا، وأداءً محسنًا، وقدرات محددة المجال مصممة لتحديات العالم الحقيقي. ستعمل على مجموعة واسعة من الأنظمة، تتراوح من نماذج مبسطة وفعالة في استخدام الموارد تعمل على الأجهزة المحدودة إلى بنى متعددة الأنماط المعقدة التي تدمج بيانات مثل النصوص والصور والصوت.

نتوقع أن تمتلك خبرة عميقة في بنى النماذج اللغوية الكبيرة وتجربة كبيرة في تحسين الضبط الدقيق. ستتبنى نهجًا عمليًا مدفوعًا بالبحث لتطوير واختبار وتنفيذ تقنيات وأساليب جديدة للضبط الدقيق. تشمل مسؤولياتك تنسيق بيانات متخصصة، وتعزيز الأداء الأساسي، وتحديد وحل اختناقات عملية الضبط الدقيق. الهدف هو فتح الأداء المتفوق للذكاء الاصطناعي المكيف للمجال ودفع حدود ما يمكن أن تحققه هذه النماذج.

المسؤوليات:

• تطوير وتنفيذ منهجيات ضبط دقيق جديدة وحديثة للنماذج المدربة مسبقًا مع أهداف أداء واضحة.

• بناء وتشغيل ومراقبة تجارب ضبط دقيق مسيطر عليها مع تتبع مؤشرات الأداء الرئيسية. توثيق النتائج التكرارية ومقارنتها مع مجموعات بيانات مرجعية.

• تحديد ومعالجة مجموعات بيانات عالية الجودة مخصصة لمجالات معينة. تحديد معايير قابلة للقياس لضمان أن تنسيق البيانات يؤثر بشكل إيجابي على أداء النموذج في مهام الضبط الدقيق.

• تصحيح وتحسين عملية الضبط الدقيق بشكل منهجي عن طريق تحليل مقاييس الأداء الحاسوبية والنموذجية.

• التعاون مع الفرق متعددة الوظائف لنشر النماذج المعدلة في خطوط الإنتاج. تحديد معايير نجاح واضحة وضمان المراقبة المستمرة للتحسينات وتكيف المجال.

• درجة في علوم الكمبيوتر أو مجال ذي صلة. من الناحية المثالية دكتوراه في معالجة اللغة الطبيعية، أو التعلم الآلي، أو مجال ذي صلة، مدعوم بسجل قوي في البحث والتطوير في الذكاء الاصطناعي (مع منشورات جيدة في مؤتمرات A*).

• خبرة عملية في تجارب الضبط الدقيق على نطاق واسع، حيث أدت مساهماتك إلى تحسينات قابلة للقياس في أداء النموذج المحدد المجال.

• فهم عميق لمنهجيات الضبط الدقيق المتقدمة، بما في ذلك التعديلات الحديثة لبنى التحويل، فضلاً عن الأساليب البديلة. يجب أن تركز خبرتك على التقنيات التي تعزز ذكاء النموذج، وكفاءته، وقابلية التوسع ضمن عمليات الضبط الدقيق.

• خبرة قوية في مكتبات PyTorch وHugging Face مع خبرة عملية في تطوير خطوط أنابيب الضبط الدقيق، وتكييف النماذج باستمرار مع بيانات جديدة، ونشر هذه النماذج المعدلة في الإنتاج على المنصات المستهدفة.

• قدرة مثبتة على تطبيق البحث التجريبي لتجاوز اختناقات الضبط الدقيق. يجب أن تكون مرتاحًا لتصميم أطر التقييم والتكرار على تحسينات خوارزمية لدفع حدود أداء الذكاء الاصطناعي المعدل باستمرار.