Dołącz do Meta jako Naukowiec Badawczy, Machine Learning (PhD)

Meta jest na czele rozwoju technologii uczenia maszynowego, wykorzystując technologie AI w różnorodnych aplikacjach. Pomagamy w ulepszaniu odkrywania treści, poprawiamy doświadczenia z wirtualnej i rozszerzonej rzeczywistości oraz zapewniamy bezpieczeństwo w naszej społeczności. Poszukujemy utalentowanego Naukowca Badawczego ze specjalizacją w uczeniu maszynowym, który dołączy do naszego rozwijającego się zespołu. To Twoja szansa, by przyczynić się do przyszłości łączności i ulepszenia globalnej komunikacji.

O tej roli

Jako Naukowiec Badawczy w Meta będziesz rozwijać zaawansowane systemy ML, które napędzają nasze platformy i produkty. Będziesz pracować nad tworzeniem skalowalnych klasyfikatorów, wykorzystywać modele regresji oraz integrować modele oparte na regułach z naszymi procesami pracy, stosując techniki uczenia maszynowego w środowisku o wysokiej autonomii. Będziesz liderem projektów, sugerując funkcje, zbierając wymagania i ustalając skuteczne plany działań.

Kluczowe obowiązki:

• Tworzenie i optymalizowanie klasyfikatorów przy użyciu uczenia maszynowego, regresji i modeli opartych na regułach.
• Budowanie efektywnych partnerstw między zespołami oraz współpraca nad kodem z naszym zespołem inżynieryjnym.
• Dostosowywanie standardowych metod uczenia maszynowego do pełnego wykorzystania nowoczesnych środowisk równoległych, w tym klastrów rozproszonych i GPU.
• Aktywny udział w sesjach informacyjnych, które są zgodne z filozofią wyników Meta.

Minimalne kwalifikacje

Kandydaci powinni być w trakcie uzyskiwania lub już posiadać stopień doktora w dziedzinie Uczenia Maszynowego lub pokrewnej dziedzinie technicznej. Aplikanci powinni mieć znaczące doświadczenie badawcze lub zawodowe w obszarach takich jak deep learning, NLP i data mining. Doświadczenie w programowaniu w Java, C/C++, Perl, PHP lub Python, oraz udowodniony dorobek za pośrednictwem staży, pracy zawodowej lub znaczących wkładów w platformy open source są niezbędne.

Preferowane kwalifikacje

• Publikacje jako pierwszy autor na znaczących warsztatach lub konferencjach takich jak ICML, NIPS, czy KDD.
• Doświadczenie w rozwiązywaniu złożonych problemów metodologicznych i ocenie narzędzi.
• Doświadczenie w pracy z frameworkami takimi jak Hadoop, Hbase, Pig lub podobnymi.
• Biegłość w frameworkach ML takich jak PyTorch, Spark ML czy TensorFlow.
• Zdolność do efektywnej komunikacji w zespołach interdyscyplinarnych.

Dlaczego Meta?

Od momentu założenia w 2004 roku, Meta nieustannie przekracza bariery w cyfrowej łączności, wprowadzając platformy i technologie takie jak Messenger, Instagram i