Über die Stelle
Vergütung: 60–120 USD/Stunde äquivalent, bezahlt pro akzeptierter Aufgabe
Standort: Global, vollständig remote
Anstellungsart: Auftragnehmer
Zeitaufwand: 15+ Stunden pro Woche
Zeitplan: Flexibel
micro1 sucht Computational Mathematicians, Statisticians und Optimization Experts mit vorheriger beruflicher Erfahrung im KI-Training oder in der Modellbewertung zur Unterstützung eines Projekts zur Verbesserung fortgeschrittener KI-Systeme.
Sie werden Ihre mathematische Expertise und Programmierkenntnisse einsetzen, um anspruchsvolle technische Aufgaben zu erstellen, modellgenerierten Code und modellgenerierte Schlussfolgerungen zu bewerten, Fehler zu identifizieren und objektive Standards für korrekte Lösungen festzulegen. Diese Rolle richtet sich an Kandidaten, die substanzielle KI-Trainingsarbeit mit mathematischen, statistischen oder optimierungsbezogenen Inhalten abgeschlossen haben.
Woran Sie arbeiten werden
- Erstellen realistischer Aufgaben aus computationaler Mathematik und Statistik, die fortgeschrittene KI-Modelle herausfordern.
- Entwickeln von Aufgabenanweisungen, reproduzierbaren Umgebungen, Referenzlösungen und Bewertungskriterien.
- Bewerten modellgenerierter Beweise, Berechnungen, Code, Modelle, Optimierungen und technischer Ergebnisse.
- Identifizieren logischer Fehler, ungültiger Annahmen, numerischer Instabilität, fehlerhafter statistischer Methoden oder Reproduzierbarkeitsprobleme.
Erforderliche Qualifikationen
- Frühere bezahlte Erfahrung im Training, in der Bewertung, im Benchmarking oder in der Verbesserung von KI-Systemen bei mathematischen oder technischen Aufgaben.
- Ausgeprägte praktische Kenntnisse in Python.
- Tiefgehende Expertise in mindestens einer relevanten mathematischen Spezialisierung.
- Praktische Erfahrung mit computationalen Methoden für numerische Analysis, Optimierung, Statistik, Theorembeweise, Modellierung oder Scientific Computing.
Relevante Spezialisierungen können Angewandte Mathematik, Scientific Computing, Operations Research, Optimierung, Formale Mathematik, Theorembeweise, Wahrscheinlichkeit, Statistik, Numerische Methoden und Mathematische Modellierung umfassen.
Öffentlicher Kompetenznachweis
Starke Bewerber sollten Nachweise vorlegen wie:
- Peer-reviewte Publikationen oder Preprints
- Öffentlicher mathematischer, statistischer oder optimierungsbezogener Code
- Google Scholar, ORCID, arXiv oder vergleichbare Forschungsprofile
- Open-Source-Beiträge zu numerischer oder mathematischer Software
- Wettbewerbs-, Theorembeweis- oder Optimierungsergebnisse
- Reproduzierbare Notebooks, Modelle, Beweise, Benchmarks oder technische Projekte
Bevorzugte Qualifikationen
- Erfahrung in der Erstellung von KI-Trainingsaufgaben, Referenzantworten, Bewertungsrastern, Bewertungsskripten oder Benchmark-Problemen.
- Erfahrung in der Überprüfung technischer Einreichungen anderer KI-Trainer.
- Ein Master-Abschluss, PhD oder gleichwertiger Nachweis substanzieller computationaler Arbeit.
- Erfahrung mit NumPy, SciPy, SymPy, pandas, Pyomo, OR-Tools, Lean, Coq oder vergleichbaren Tools.
- Erfahrung in der Validierung numerischer Lösungen, statistischer Ergebnisse, Optimierungsausgaben oder formaler Beweise.
- Verfügbarkeit für einen sofortigen Beginn.
Bewerbungsprozess
- Reichen Sie Ihre Bewerbung, Ihre KI-Trainingserfahrung, Ihre Spezialisierung und öffentliche technische Nachweise ein.
- Absolvieren Sie ein KI-Interview mit technischen und Integritätsprüfungen.
- Absolvieren Sie eine Prüfung durch den Hiring Manager.
- Wenn ausgewählt, absolvieren Sie das Projekt-Onboarding und beginnen mit Ihrer ersten zugewiesenen Aufgabe.
Vergütung
- Die Vergütung erfolgt leistungsbasiert. Experten werden für Aufgaben bezahlt, die den Projektspezifikationen und Qualitätsanforderungen entsprechen. Verfügbarkeit von Aufgaben und Bearbeitungszeit können variieren.