Ledigt jobb: Mjukvaruutvecklare

Vad vi bygger

OrbDB bygger datainfrastruktur för AI:s tillförlitlighet. För varje prediktion en modell gör, avgör plattformen om modellen är tillräckligt säker på resultatet för att det ska kunna hanteras automatiskt, eller om ärendet bör skickas vidare till en mänsklig granskare.

Dagens AI-produktionssystem kan inte särskilja vilka av sina prediktioner som är tillförlitliga. Vi bygger det lager som gör det möjligt för organisationer att automatisera de fall där automatisering är statistiskt motiverat, och att eskalera de övriga med självförtroende.

OrbDB grundades och leds av forskare med djup expertis inom de underliggande metoderna.

Tjänsten

Du kommer att arbeta med de modeller som står i centrum för vår plattform. Vårt arbete kretsar kring Graph Neural Networks (GNN), och de frågor du kommer att engagera dig i är de som ligger under ytan i vilken seriös djupinlärningssystem som helst: frågor om arkitektur, träningsbeteende, optimering och relationen mellan vad en modell gör och vad vi förväntar oss att den ska göra.

Detta är en roll för någon som känner till grundläggande djupinlärning väl nog för att resonera om dem från första principer, inte från tutorials. Du kommer att arbeta nära vårt forskningsdrivna grundarteam, och de frågor du tar dig an kommer att röra sig mellan det praktiska och det fundamentala, ofta inom samma vecka. Till skillnad från andra AI-startups bygger OrbDB på en matematisk grund. Det gör även teamet bakom. OrbDB Labs är en plats där solida idéer och god smak väger tyngre än höga röster.

Specifikt kommer du att:

• Träna, utvärdera och förbättra de modeller som driver plattformen.
• Diagnostisera modellbeteende på en djupare nivå än enbart metrik, och föreslå förändringar som grundas i den underliggande matematiken.
• Göra principfast val gällande modellarkitektur när så krävs.
• Arbeta sida vid sida med ingenjörsteamet för att leverera forskningsgradiga modeller till ett produktionssystem som kunderna kan lita på.

Det vi söker

• 2–4 års erfarenhet av arbete med djupinlärningsmodeller i en seriös teknisk miljö, oavsett inom forskning, industri eller en kombination. Om du ligger nära detta intervall och resten av tjänsten passar, vill vi gärna höra från dig.
• Ett verkligt grepp om grundläggande djupinlärning. Du bör känna dig bekväm med att läsa en forskningsartikel, implementera den och resonera kring varför en modell beter sig som den gör (eller inte).
• Starka ingenjörsmässiga färdigheter. Du skriver kod som andra kan bygga vidare på, och du förstår att en modell först är användbar när den körs pålitligt.
• Behärskning av det moderna djupinlärningsverktygslandet, särskilt PyTorch.
• Äkta intresse för de statistiska grundarna för det vi bygger. Begrepp som Conformal Prediction och kalibrering bör vara saker du är ivrig att förstå djupt.

Meriterande, men inte krav

• Erfarenhet av Graph Neural Networks specifikt, eller av bibliotek som stödjer dem (PyTorch Geometric, DGL eller motsvarande).
• En examen inom ett kvantitativt rigoröst ämne, eller motsvarande djup som förvärvats på annat sätt.
• Bidrag till open source inom ML- eller djupinlärningsekosystemet, särskilt till produktionsklara bibliotek.
• Erfarenhet av att flytta modeller från forskningskod till produktionssystem.

Detta är en hybridtjänst baserad i Stockholm. Kandidater måste bo i eller vara villiga att flytta till Stockholmsområdet innan tjänsten påbörjas.