AI ინჟინრის სტაჟირება
შპს "მონაცემთა ანალიზის ლაბორატორია" აცხადებს ვაკანსიას AI ინჟინერ-სტაჟიორის პოზიციაზე. სტაჟირების დასრულების შემდეგ, გაიცემა სტაჟირების წარმატებით დასრულების სერტიფიკატი.
კომპანიის შესახებ:
"მონაცემთა ანალიზის ლაბორატორია" არის ციფრული ტექნოლოგიების კომპანია, რომელიც სპეციალიზებულია ხელოვნურ ინტელექტსა და მონაცემთა ანალიზში. მისი საქმიანობის ერთ-ერთი ძირითადი სფეროა ბუნებრივი ენის მანქანური დამუშავება. მანქანური სწავლების გამოყენებით (კერძოდ, ე.წ. "ღრმა სწავლებით"), ჩვენ ვქმნით ისეთ პროდუქტებს, როგორიცაა ტექსტის მეტყველებად გარდაქმნა, მეტყველების ტექსტად გარდაქმნა, ტექსტის ოპტიკური ამოცნობა, მართლწერის შემოწმება, სენტიმენტ ანალიზი და სხვები. ენობრივი ტექნოლოგიების სფეროში, ჩვენი პროდუქტები ენაგრამის ბრენდის სახელით ვრცელდება და განთავსებულია https://enagram.ai/ ვებსაიტზე.
პირობები:
- სამუშაო შესასრულებელია დისტანციურად
- მოქნილი გრაფიკი — შეგიძლიათ წინასწარ შეგვითანხმოთ კვირაში რამდენი საათის დათმობას შეძლებთ სამუშაოსთვის.
სამუშაოს აღწერილობა:
სტაჟირების ძირითადი ამოცანაა ქართული ენისთვის ენობრივი მოდელების შედარებითი კვლევა და შედეგების საფუძველზე რეკომენდაციების მომზადება:
- ქართული ენის შესაფასებელი ნაკრების (benchmark) აგება ღია მონაცემებზე: მორფოლოგიური სისწორე, გრძელი კონტექსტის გაგება, ინსტრუქციის მიყოლა, ჰალუცინაციები
- ღია მოდელების (Qwen, Gemma, Llama, Mistral და ქართული fine-tune ვერსიები) ლოკალურად გაშვება და გაზომვა ამ ნაკრებით
- დახურულ API მოდელებთან (Claude, GPT, Gemini) შედარება — ხარისხის ჭერის დასადგენად
- კვანტიზაციის (4/8-bit) გავლენის გაზომვა ქართულის ხარისხზე, ასევე ლატენტობის, VRAM-ის მოხმარებისა და პარალელური ნაკადების რაოდენობის შეფასება
- ხარჯების შედარება: API-ს ტარიფი vs ლოკალური ინფრასტრუქტურის რეალური ღირებულება
- სატესტო ვირტუალური მანქანისა და GPU-ს სტაბილური მუშაობის მონიტორინგი, ექსპერიმენტების ავტომატიზაცია და შედეგების დოკუმენტირება
მოთხოვნები (აუცილებელი):
- Python
- LLM-ების ლოკალურად გაშვების გამოცდილება (Ollama, vLLM, llama.cpp)
- PyTorch და Hugging Face ბიბლიოთეკები
- Docker და Git
- Claude Code-ის (ან ანალოგიური აგენტური ინსტრუმენტის) დამოუკიდებლად გამოყენების გამოცდილება
- Linux სერვერთან მუშაობის საბაზისო ცოდნა
უპირატესობა:
მოდელების შეფასების მეტრიკების ცოდნა, NVIDIA GPU-ებთან (CUDA, nvidia-smi) მუშაობის გამოცდილება, სამეცნიერო ნაშრომის წერის გამოცდილება
სტაჟირების შედეგი:
სტაჟირების დასრულებისას მზადდება ანგარიში, რომელიც პასუხს სცემს კითხვას — ქართული ენისთვის რომელი მოდელი, რომელი კონფიგურაციით და რა ხარჯით არის ოპტიმალური.
