- Страна
- Нидерланды
Senior ML Researcher (Code Editing)
Оценка ИИJetBrains — один из самых престижных работодателей в индустрии инструментов разработки. Вакансия предлагает работу над передовыми технологиями (AI Agents) с возможностью публикации результатов, что редко встречается в коммерческих компаниях.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Улучшите резюме под эту вакансию
Возьмём требования и создадим новую версию резюме с акцентом на нужный опыт
Сложность вакансии
Оценка ИИРоль требует исключительной академической подготовки, наличия публикаций на конференциях уровня A* и глубоких практических навыков в масштабировании нейросетей. Высокая сложность обусловлена необходимостью сочетать исследовательскую работу с написанием качественного кода.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Анализ зарплаты
Оценка ИИЗарплата в вакансии не указана, но для позиции Senior ML Researcher в Амстердаме рыночный диапазон составляет от 90 до 140 тысяч евро в год. JetBrains обычно предлагает конкурентоспособные пакеты, соответствующие верхним границам рынка для талантов такого уровня.
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
Сопроводительное письмо
Составьте сопроводительное письмо под эту вакансию с вашим резюме
Описание вакансии
At JetBrains, code is our passion. Since 2000, we’ve focused on reducing routine work so developers can spend more time building and shipping.
The JetBrains Research team studies machine learning techniques and agent-based approaches for software development to create methods that enable the next generation of ML for code features. We’re looking for a researcher to develop and improve training methodologies for models capable of solving tasks such as code generation, code editing, and empowering AI agents. You don’t need experience in every area, but you should be comfortable working across topics and delivering publishable results.
In this role, you will:
- Train and scale neural networks for processing source code.
- Develop new methods and improve existing ones for code generation, code editing, and agent-based workflows.
- Mentor colleagues on ML topics.
We’re looking for someone who:
- Has experience in natural language processing or code modeling.
- Has worked on distributed training and scaling neural networks.
- Has experience with modern training techniques and architectures (for example, MoE).
- Has publications at top ML conferences.
- Has strong programming skills.
Nice to have:
- Hands-on experience with post-training techniques.
- Experience with multimodal or low-data training.
- Familiarity with large-scale model training.
#LI-KP1
We are an equal opportunity employer
We know great ideas can come from anyone, anywhere. That’s why we do our best to create an open and inclusive workplace – one that welcomes everyone regardless of their background, identity, religion, age, accessibility needs, or orientation.
We process the data provided in your job application in accordance with the Recruitment Privacy Policy.
Больше похожих вакансий + автоотклики с ИИ
Умный подбор, сопроводительные письма, советы по отказам — больше приглашений.
Навыки
- Machine Learning
- Natural Language Processing
- Neural Networks
- Distributed Training
- Mixture of Experts
- Python
- PyTorch
- Large Language Models
- Deep Learning
Возможные вопросы на собеседовании
Проверка опыта работы с архитектурами, упомянутыми в вакансии.
Расскажите о вашем опыте работы с Mixture of Experts (MoE). С какими основными трудностями вы сталкивались при их обучении и масштабировании?
Оценка навыков работы с распределенными системами, что критично для обучения больших моделей.
Какие стратегии параллелизма (Data, Pipeline, Tensor) вы бы выбрали для обучения модели обработки кода на кластере из 128 GPU? Обоснуйте выбор.
Проверка понимания специфики домена (код vs текст).
В чем, по вашему мнению, заключаются основные отличия в препроцессинге и токенизации исходного кода по сравнению с естественным языком для задач редактирования кода?
Оценка опыта в области RLHF и дообучения моделей.
Какие методы post-training (например, DPO или PPO) вы считаете наиболее эффективными для улучшения способности модели следовать инструкциям в контексте написания кода?
Проверка навыков менторства и научной коммуникации.
Опишите ваш процесс подготовки статьи для конференции уровня NeurIPS или ICML. Как вы распределяете задачи в команде при совместном исследовании?
Сформировано ИИ автоматически. Не является проверкой вакансии или работодателя.
