Wir verwenden technische Cookies und das anonymisierte Besuchsprotokoll von Zorky. Yandex Metrica (Daten werden auf Servern in Russland gespeichert) läuft nur mit Ihrer Einwilligung. Wir verkaufen keine Daten. Mehr zu Cookies und Statistik.
Zorky läuft im Testmodus — alles ist kostenlos. Stellen und Unternehmensseiten sind für alle offen; Links zu den Anzeigen und Ihre persönliche Stellenauswahl gibt es nach der Registrierung. Registrieren →
← Alle Stellen

ML Researcher — Agentic Reinforcement Learning

10.000 SGD · Zeitraum nicht angegebenSingapore, SGvor 5 Wo.
Markteinblicke
📊 AI / ML / Data Science: Gehälter und Nachfrage am Markt
Stack
Machine LearningAsking QuestionsCollaborate With EngineersDesign of ExperimentsReinforcement LearningDevelop RecommendationsTotal ReturnFlash MemoryAdapt to ChangeUncertainty AnalysisPythonIncentive Processes
Unternehmen und Link anzeigen
Kostenlos, nach der Anmeldung.
Bewerben
Laden Sie Ihren Lebenslauf hoch — Arbeitgeber und Recruiter aus verschiedenen Ländern, die Ihr Profil suchen, können Sie direkt kontaktieren.
Lebenslauf senden →
Beschreibung
About the company Our client is an early-stage, venture-backed AI startup building a personal shopping agent that understands users’ preferences, helps them discover relevant products, and supports them in taking action. The team brings together AI agents, personalisation, and commerce to build a service that becomes more useful through ongoing interactions and real customer outcomes. They are hiring in Singapore, with an opportunity for early team members to shape the research agenda and learning systems behind the product. The opportunity You will investigate how an AI agent can make better decisions for a user over time. In commerce, an immediate action is an incomplete measure of success: a purchase may later be returned, preferences can change, and the most useful recommendation may be to buy nothing. Working closely with engineers, you will help define learning objectives, build rigorous evaluations, and develop methods for improving agent behaviour as usable data becomes available. What you’ll do Investigate reward design and credit assignment for delayed outcomes such as satisfaction, returns, and repeat use. Develop approaches to user modelling, memory, and adaptation as preferences and needs change. Explore policies for deciding when an agent should ask, recommend, act, or wait. Build reproducible experiments, meaningful baselines, and ablation studies. Evaluate policy improvements critically, including uncertainty, misleading proxies, and unintended behaviours. Col
Vollständige Beschreibung, Unternehmen und Bewerbungslink — nach der Anmeldung. Anmelden
Kontaktdaten des Arbeitgebers (E-Mail/Telefon/Telegram) sind in der öffentlichen Vorschau ausgeblendet. Senden Sie Ihren Lebenslauf — dann können Arbeitgeber Sie direkt kontaktieren.
Dringende Frage? Schreiben Sie @termdocs