Dołącz do naszego przełomowego zespołu jako inżynier badawczy w Google DeepMind

W Google DeepMind jesteśmy pionierami w dziedzinie sztucznej inteligencji, zobowiązanymi do rozwiązywania problemów inteligencji i dokonywania znaczących wpływów na większe dobro. Jesteśmy zaangażowani w tworzenie inkluzywnego środowiska, które ceni różnorodność we wszystkich wymiarach, w tym płci, rasy, religii i wielu innych, dążąc do równości w możliwościach zatrudnienia.

Jeśli potrzebujesz dostosowań ze względu na niepełnosprawność lub szczególne potrzeby, prosimy o poinformowanie nas, ponieważ chętnie ułatwimy proces składania aplikacji.

O Google DeepMind

Nasz interdyscyplinarny zespół jest na czele rozwijania zaawansowanych algorytmów uczenia się, integrując techniki z głębokiego uczenia, uczenia ze wzmocnieniem i neuronauki systemowej. Dzięki licznych przełomom, takim jak AlphaFold i AlphaMissense, nasze ambitne projekty kontynuują przesuwanie granic tego, co jest możliwe w dziedzinie sztucznej inteligencji ogólnej.

Jesteśmy dumni ze wspierającego środowiska, w którym ambitne cele nie tylko są stawiane, ale także osiągane, napędzane kulturą przekraczania limitów i wspólnego uczenia się.

Szczegółowy opis roli: Inżynier Badawczy, Nauka

Jako inżynier badawczy w naszym dynamicznym zespole będziesz:

• Angażować się w szybkie prototypowanie aplikacji do uczenia maszynowego w celu rozwiązania różnorodnych wyzwań naukowych.
• Prowadzić prace eksploracyjne i analizę, aby kształtować przyszłe eksperymenty i kierunki badań.
• Udoskonalać modele i architektury uczenia maszynowego, rozwijając narzędzia do usprawniania procesów badawczych.
• Współpracować ściśle zarówno z ekspertami wewnętrznymi, jak i zewnętrznymi z różnych dziedzin naukowych.
• Efektywnie komunikować wyniki i postępy w społeczności badawczej.

Ta rola jest idealna dla osób, które odnoszą sukcesy w eksperymentalnych, bogatych w dane ustawieniach i są pasjonatami wykorzystania swoich umiejętności w uczeniu maszynowym i nauce do napędzania innowacji.

Czego szukamy

Od kandydatów sukcesu oczekuje się zazwyczaj:

• Magistra informatyki, inżynierii elektrycznej lub pokrewnego kierunku.
• Praktycznego doświadczenia z zaawansowanymi technikami uczenia maszynowego (np. Transformatory, Modele Dyfuzji).
• Biegłości w językach programowania używanych w ML i informatyce, takich jak Python lub C++.
• Solidnych podstaw z algebry liniowej, rachunku różniczkowego i statystyki, z praktycznymi umiejętnościami eksploracji i wizualizacji danych.
• Doświadczenia z frameworkami ML takimi jak JAX, PyTorch czy TensorFlow.

Doś