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

Research Engineer, Synthetic Data

Middleoffice~$8.3K /moSingapore, SGvor 1 Wo.
Markteinblicke
📊 AI / ML / Data Science: Gehälter und Nachfrage am Markt
Stack
dockerlinuxllmpython
Details
Erfahrung
ab 2 Jahren
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 Role Build synthetic data systems that turn specialized workflows into realistic, scalable training tasks for AI agents. You will work with an engineering team to develop task generation, validation, and evaluation methods that help improve model capabilities. What You'll Do Build pipelines that transform domain-specific workflows into structured and challenging synthetic training tasks. Collaborate with subject-matter experts to create tasks across professional and technical domains. Develop methods for generating diverse, realistic, and learnable tasks. Create tooling to mutate, validate, and improve synthetic tasks. Analyze model and agent performance to identify what tasks teach and where they fail. Develop metrics for task diversity, realism, learnability, and quality. What We're Looking For At least 2 years of experience in software engineering, machine learning engineering, or AI research, building and delivering data pipelines, ML infrastructure, or synthetic data systems. Technical education or background, with hands-on experience developing end-to-end synthetic data pipelines for AI or machine learning applications. Proficiency in Python, Linux development, and containerization tools such as Docker. Experience evaluating synthetic data quality, including diversity, realism, learnability, and limitations. Experience building evaluation frameworks, benchmarks, or testing environments for AI agents or large language models. Ability to independently deliver te
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