Internship - Machine Learning Research Engineer

• Неустанно повышайте качество поиска — с помощью моделей, данных, инструментов или любого другого доступного рычага.
• Обучайте и оптимизируйте масштабные модели глубокого обучения, используя такие фреймворки, как PyTorch, применяя распределённое обучение (например, PyTorch Distributed, DeepSpeed, FSDP) и аппаратное ускорение, с акцентом на модели извлечения и ранжирования.
• Проводите исследования в области обучения представлений, включая контрастивное обучение, многоязычность, оценку и мультимодальное моделирование для поиска и извлечения.
• Создавайте и оптимизируйте RAG‑конвейеры для обоснования и генерации ответов.

• Понимание систем поиска и извлечения, включая принципы и метрики оценки качества.
• Глубокие навыки работы с PyTorch, включая опыт применения техник распределённого обучения и оптимизации производительности для крупных моделей.
• Интерес к обучению представлений, включая контрастивное обучение, плотные и разреженные векторные представления, слияние представлений, кросс‑язычное выравнивание представлений, оптимизацию обучающих данных и надёжную оценку.
• Наличие публикаций на конференциях или воркшопах в области AI/ML (например, NeurIPS, ICML, ICLR, ACL, EMNLP, SIGIR).

Стажировочная программа: 12 - 24 недели, полная занятость, очно в офисе в Берлине.