Research Engineer - FAIR Core Learning

Meta ищет динамичного Инженера-исследователя, чтобы стать частью нашей команды Фундаментальных исследований искусственного интеллекта (FAIR). Находясь в авангарде инноваций в области ИИ, FAIR стремится достичь беспрецедентного прогресса в мире искусственного интеллекта, охватывающего ключевые исследовательские области, такие как глубокое обучение, генеративные модели и обработка естественного языка. Если вы страстны в вопросах прогресса ИИ и готовы заняться некоторыми из самых сложных исследовательских вопросов нашего времени, эта роль для вас.

В качестве Инженера-исследователя в нашем сегменте FAIR Core Learning, вы будете:

• Разрабатывать передовые, масштабируемые алгоритмы, используя технологии машинного обучения и нейронных сетей.
• Сотрудничать с учеными FAIR для пионерских исследований в областях, таких как генеративное моделирование и обучение с подкреплением.
• Использовать глубокие знания в соответствующих исследовательских областях и исключительные навыки программирования на Python и PyTorch для разработки проектов.
• Оптимизировать алгоритмы машинного обучения и нейронных сетей для современных параллельных сред, таких как распределенные кластеры и GPU.

Для участия вам необходимо:

• Иметь или находиться на заключительном этапе получения PhD по специальности Компьютерные науки, Искусственный интеллект или близкое к ним направление. Завершение образования требуется до начала работы в Meta.
• Иметь как минимум один год опыта в таких областях, как обучение с подкреплением и генеративное моделирование.
• Иметь или находиться в процессе получения бакалавриата в области компьютерных наук, компьютерной инженерии или в соответствующей технической специальности.
• Демонстрировать опыт разработки алгоритмов машинного обучения или инфраструктуры, в частности, на Python и PyTorch.
• Иметь разрешение на работу в стране трудоустройства на момент найма и сохранять его на протяжении всего периода работы.

Наш идеальный кандидат также имел бы:

• Доказанный опыт промышленных исследований в области обучения с подкреплением или генеративного моделирования.
• Способность решать сложные задачи и рассматривать альтернативные решения, компромиссы и точки