📢 Nous recherchons un ingénieur capable de concevoir et de développer la pipeline RAG basée sur une documentation volumineuse, y compris des données de divulgation financière, et responsable de l'évaluation des performances et de la fiabilité opérationnelle.
1. Vision
Nous sommes convaincus que l'IA libérera l'humanité.
Lucy révolutionne les données qui sont au cœur de cette IA. Avec de bonnes ensembles de données, l'IA peut résoudre des problèmes dans de nombreux domaines tels que la finance, la médecine, le droit, etc.
Les données qui améliorent les performances des LLM sont essentielles, et pour faire face à la demande croissante de l'IA, nous avons besoin de données qui réduisent la puissance de calcul et, en fin de compte, contribuent à améliorer la vie de l'humanité.
2. Ce que nous faisons - Technologie Propriétaire
Pour devenir le monopole dont Peter Thiel a parlé, la technologie propriétaire est ce qu'il y a de plus important.
La structure de données qui permet d'optimiser les performances de l'IA n'est pas la structure JSON traditionnelle, mais nous développons une technologie propriétaire pour le transformer en un autre format.
3. Si vous pensez que vous pouvez atteindre les meilleures performances, envoyez-nous un e-mail à 'help@ezar.co.kr' en expliquant pourquoi vous postulez chez nous et quelles sont vos compétences. Seules les personnes ayant envoyé un e-mail passeront à l'étape de recrutement.
• Conception et développement de la pipeline RAG
- Mise en œuvre de l'ensemble du processus de collecte de documents → prétraitement → découpage → indexation → recherche/reranking → création, etc.
• Amélioration de la structure des données et de la stratégie de découpage
- Amélioration des stratégies Metadata/Schema/Chunking en fonction des caractéristiques des documents non structurés
• Conception et optimisation des performances de la base de données vectorielle
- Optimisation de la qualité et de la vitesse de recherche via l'indexation/paramètres/filtrage/recherche hybride
• Conception des indicateurs d'évaluation RAG et création d'une pipeline d'évaluation automatisée
- Conception d'indicateurs quantitatifs (précision, latence, etc.) et automatisation des tests
• Développement de services LLM basés sur RAG
- Développement de contenu tel que des rapports de synthèse, des visualisations, etc.
• Amélioration de la qualité des réponses LLM et perfectionnement des prompts
- Perfectionnement des prompts pour améliorer la qualité des réponses, y compris les hallucinations et les citations de sources
• Autres tâches connexes
• Plus de 2 ans d'expérience en développement IA basé sur Python
• Diplôme de master ou supérieur
• Expérience dans la conception et l'exploitation de systèmes RAG
• Expérience en développement de modèles ML/DL
Qualifications souhaitées
• Expérience dans le développement et l'exploitation de services LLM basés sur RAG
• Expérience dans l'utilisation des données financières (SEC, DART, etc.) ou expérience dans le traitement de documents dans le domaine financier
• Expérience dans le traitement de grandes quantités de données, conception d'API REST et développement de serveurs
• Publications dans des revues/conférences de haut niveau en IA/Data Science
• Compréhension approfondie et compétences en résolution de problèmes dans les domaines de l'IA, RAG et Data Science
👍 Ces expériences sont particulièrement pertinentes
• Expérience de la mesure et de l'amélioration de la qualité de recherche basée sur des indicateurs quantitatifs (par exemple, recall@k, mAP, nDCG, etc.)
• Expérience dans la conception de données pour résoudre les erreurs RAG causées par la structure des documents (tableaux/notes de bas de page/images/fichiers joints)
• Expérience dans la conception et la mise en œuvre de systèmes QA pour surveiller et améliorer les problèmes en environnement opérationnel
Avantages et environnement de travail
1. Service
https://lucydata.ai
2. Objectifs
Viser à devenir un fournisseur de données AI pour les institutions financières mondiales aux États-Unis et à Singapour d'ici 2026.
3. Culture
• Un endroit où des professionnels (professional) travaillent de manière autonome.
• Pas de politique interne. Évalués uniquement sur les résultats.
• Les leaders montrent l'exemple.
• Évaluation équitable et rémunération adéquate.
• Facile à dire. Lors de l'évaluation des personnes, il ne s'agit pas de 'mots', mais de 'comportements' et de 'résultats'.
• Si vous ne montrez pas de résultats, vous devrez quitter l'équipe.
1er entretien vidéo
2e entretien technique
