Member of Technical Staff, Data Engineering

WER WIR SIND Odyssey https://odyssey.ml ist ein KI-Labor, das wegweisend für allgemeine Weltmodelle arbeitet: kausale, multimodale Systeme, die lernen, die Welt über lange Zeiträume hinweg vorherzusagen und mit ihr zu interagieren. Diese grundlegende Technologie verspricht, die Robotik, Wissenschaft, das Gesundheitswesen, die Bildung, Gaming, Verteidigung und darüber hinaus zu revolutionieren. Die Gründer von Odyssey waren zuvor Wegbereiter der komplexesten Anwendung von physischer KI: selbstfahrende Autos. Sie haben nun ein erstklassiges Forschungsteam aus DeepMind, Tesla, Waymo, Meta, Apple und Wayve zusammengebracht, das bedeutende Beiträge zu Sprachmodellen (DeepMind Gemini), Videomodellen (DeepMind Veo), Weltmodellen (Wayve GAIA) und autonomen Systemen (Tesla FSD) geleistet hat. Odyssey hat signifikantes Risikokapital von GV, Amazon, AMD, EQT, NVIDIA, Natural Capital, In-Q-Tel, Elad Gil, Jeff Dean, Guillermo Rauch, Garry Tan, Kyle Vogt und Forschern von OpenAI, DeepMind, MSL, Recursive und Thinking Machines erhalten. WAS WIR SUCHEN Daten entwickeln sich rasant zu einem der größten Engpässe beim Aufbau von Weltmodellen. Unsere Modelle sind nur so gut wie die Daten, die hinter ihnen stehen, und diese Daten richtig zu bekommen, ist eines der schwierigsten und wichtigsten Probleme, die wir haben. Wir suchen einen Data Engineer, der die Person sein möchte, die eine Lösung findet: der Aufbau und die Kuratierung der groß angelegten multimodalen Datensätze, mit denen unsere Modelle trainiert werden, über Video, Robotik und Audio hinweg. Die Arbeit umfasst Forschung und Infrastruktur. An manchen Tagen optimieren Sie die Plattform, die Millionen von Stunden Video und Audio verarbeitet. An anderen Tagen arbeiten Sie direkt mit den Daten: Signale extrahieren, Captions verbessern und mit Forschern daran arbeiten, was in den Trainingsmix gehört. Wir betrachten dies nicht als getrennte Aufgaben, daher suchen wir jemanden, der sich mit beidem wohlfühlt. Uns ist wichtiger, wie Sie über Daten denken, als Ihre Jahre an Erfahrung oder Ihre Publikationsliste. Sie haben vielleicht in der Data Engineering angefangen und sich in Richtung Forschung bewegt, oder in der Forschung oder Data Science angefangen und sich in Richtung Engineering bewegt. So oder so arbeiten Sie gerne mit Daten und haben praktische Erfahrung mit Video und/oder Audio. WAS SIE TUN WERDEN - Aufbau und Betrieb von Daten-Pipelines für groß angelegte multimodale Datensätze, von rohem Video, Robotik und Audio bis hin zu kuratierten, angereicherten Trainingsdaten. - Nützliche Signale aus Rohdaten extrahieren: Sprecher erkennen, Hintergrundgeräusche isolieren, Trackings von Punkten und Merkmalen in Videos sowie andere Signale, die beeinflussen, was die Modelle lernen. - Arbeit am Trainingsmix. Deduplizieren, Cluster neu ausbalancieren und analysieren, was tatsächlich in den Daten enthalten ist, damit wir Lücken finden und die Balance halten können. - Direkte Zusammenarbeit mit Forschern, um Modellanforderungen in eine Datenstrategie und deren Fragen in Pipeline-Arbeit umzusetzen. - Verbesserung der Plattform: Speicher, Datenbankebenen, Durchsatz und Deployment, damit das gesamte System schneller und zuverlässiger läuft. WER SIE SIND - Sie sind gut darin, Dinge herauszufinden. Man gibt Ihnen ein mehrdeutiges, schlecht definiertes Datenproblem und Sie finden heraus, was wirklich wichtig ist, und bauen es dann auf. Dies ist die Eigenschaft, die uns am wichtigsten ist. - Ihnen macht die Datenarbeit an sich Spaß. Das Durchforsten von unordentlichen multimodalen Daten, um Signale zu finden, ist für Sie der interessante Teil und kein bloßes Mittel zum Zweck. - Sie können zwischen Plattform- und Infrastrukturarbeit und forschungsorientierter Feature-Arbeit wechseln und sehen, wie sich beide gegenseitig ergänzen. - Sie haben mit echten Video- und/oder Audio-Daten gearbeitet und wissen, was es braucht, um diese in großem Maßstab zu verarbeiten. - Sie fühlen sich wohl in der Zusammenarbeit mit Forschern und können deren Anforderungen in konkrete Datenarbeit übersetzen. - Etwa 1 bis 5 Jahre relevante Erfahrung. Wir sind offen bezüglich der Seniorität und stellen die Person ein, nicht den Titel. BONUSPUNKTE - Erfahrung im Bereich Computer Vision, einschließlich klassischer CV wie Optical Flow und Feature- oder Point-Tracking, nicht nur Deep Models. - Erfahrung mit groß angelegtem Video- oder multimodalem Pre-training, Datenmischungen und der Kuratierung von Daten in diesem Maßstab. - Ein Hintergrund, der Statistik oder Data Science mit Engineering kombiniert, plus praktische Erfahrung in der Video- und Bildanalyse. - Erfahrung mit Robotik-Daten, menschlichen Bewegungsdaten oder anderen aufkommenden Modalitäten wie Wearables oder audio-lastigen Bereichen. - Spezifische Audio-Erfahrung, die schwer zu finden ist und die wir sehr schätzen.