À propos du poste
Mercor constitue un réseau de data scientists expérimentés en vue de projets futurs éventuels avec de grandes organisations de recherche en IA. Ces projets pourraient porter sur l'évaluation de l'efficacité avec laquelle les systèmes d'IA réalisent un travail de data science en conditions réelles.
Il n'y a pas d'ouverture de projet immédiate, mais les candidats qualifiés pourront être contactés lorsque des opportunités pertinentes se présenteront.
2\. Responsabilités potentielles
Les projets futurs pourraient consister à :
- Concevoir des critères de notation précis et spécifiques à chaque tâche pour des livrables de data science, notamment des analyses exploratoires de données, des travaux de modélisation statistique, des pipelines de machine learning, des comptes rendus d'expérimentation et de tests A/B, du feature engineering, et des rapports techniques ou notebooks
- Évaluer des travaux générés par l'IA ou réalisés par des humains au regard de critères établis
- Fournir des justifications écrites détaillées des évaluations et des notes
- Appliquer un jugement cohérent et fondé sur des preuves afin que les évaluations soient reproductibles et défendables
- Intégrer les retours structurés de relecteurs seniors et itérer sur les travaux soumis
Les responsabilités précises varieront selon le projet.
3\. Qualifications idéales
- 1 ans ou plus d'expérience professionnelle en data science
- Expérience au sein d'une entreprise de premier plan en technologie, en recherche ou en finance quantitative (comme les meilleures FAANG, des laboratoires d'IA, des fonds quantitatifs de premier rang ou équivalent)
- Solide maîtrise de Python, de SQL, de la modélisation statistique, du machine learning, de l'expérimentation et de l'inférence causale, ainsi que de la transformation de données réelles désordonnées en analyses rigoureuses
- Compétences exceptionnelles de communication écrite, y compris la capacité à présenter clairement des résultats techniques
- Une approche rigoureuse et cohérente de l'évaluation de travaux complexes
- Aisance à recevoir des retours et à calibrer son jugement par rapport à des standards établis