Cientista de Pesquisa

Introdução
Os Cientistas de pesquisa da IBM estão mapeando o futuro da Inteligência Artificial criando avanços na computação quântica descobrindo como o blockchain remodelará a empresa e muito mais. Junte-se a uma equipe dedicada à aplicação da ciência em alguns dos desafios mais complexos da atualidade seja descobrindo uma nova maneira de os médicos ajudarem os pacientes unindo-se aos ambientalistas para limpar nossos rios e mares ou permitindo que os varejistas personalizem o atendimento ao cliente.

Seu papel e responsabilidades
Candidatos com experiência em Processamento de Linguagem Natural (NLP) com um desejo comprovado ou forte de examinar e avançar modelos de linguagem (em larga escala) e com foco na inclusão em seus estudos e capacitação.
Os candidatos ideais são pensadores avançados que estão dispostos a tomar a iniciativa de apresentar novas ideias e mecanismos para avaliar e promover a justiça no design desenvolvimento e uso da tecnologia.
Os candidatos ideais também são colaboradores eficazes e gostam de trabalhar lado a lado com pessoas de todas as formações e disciplinas.

“Todas as vagas são elegíveis para pessoas com deficiência e reabilitados”

Profissional Requerido e Conhecimento Técnico
Doutorado em uma disciplina técnica (Aprendizado de Máquina/IA Estatística Ciência da Computação Engenharia Matemática);
Proficiência em machine learning/deep learning;
Desenvolver visualização de dados ou interfaces de coleta de dados (por exemplo JavaScript Python);
Ter experiência na implementação de algoritmos de ML (por exemplo PyTorch);
Capacidade de trabalhar em um ambiente de equipe bem como de forma independente;
Capacidade de entender e abordar questões e soluções sociotécnicas;
Fortes habilidades de resolução de problemas;
Registro comprovado de fortes habilidades de comunicação escrita e oral;
Publicações em conferências de ML e AI.
Espanhol Fluente.

Profissional Preferencial e Conhecimento Técnico
Familiaridade com processamento de linguagem natural multilíngue e modelos de linguagem em larga escala (modelos de fundação);
Familiaridade com ajuste fino RLHF técnicas de ajuste rápido;
Familiaridade com importantes conceitos de ciências sociais relativos a questões de inclusão tecnológica justiça e ética;
Conhecimento em aprendizado de máquina multimodal.