高级研究科学家，Google研究，机器学习效率
数学，统计与信息科学（科学与技术）
在Google，我们有一个赋权和平等机会的愿景，致力于通过Google的技术、平台和人员来建立和解，我们欢迎土著申请人。
请参阅我们的和解行动计划以获取更多信息。
• 计算机科学博士学位，相关技术领域的学位或等效的实际经验。
• 在机器学习（ML），ML效率，ML优化或相关领域拥有7年的经验。
• 在研究社区做出贡献，包括在论坛上发表论文（例如，ICML，ICLR，NeurIPS或相关）的经验。
• 熟练掌握编程语言（例如，Python或C / C ++）。
首选资格：
• 创新研究经验。
• 与研究团队合作的经验。
• 有效应对不确定性的能力。
关于工作
作为一个组织，Google拥有一系列由基础研究、新产品创新、产品贡献和基础设施目标驱动的研究项目组合，同时为个人和团队提供自由度，以强调特定类型的工作。
作为一名研究科学家，您将快速广泛地设置大规模测试和部署有前途的想法，管理截止日期和交付物，同时应用最新的理论来开发新的和改进的产品、流程或技术。
从创建实验和原型实施到设计新的架构，我们的研究科学家致力于解决计算机科学的广泛问题，如机器（和深度）学习、数据挖掘、自然语言处理、硬件和软件性能分析、改进移动平台编译器，以及核心搜索等等。
作为一名研究科学家，您还将通过分享和发表研究结果积极贡献于更广泛的研究社区，这些想法既受到内部项目的启发，也来自与世界各地的合作伙伴大学和技术研究所的研究计划的合作。
我们的团队致力于在高效架构、基础模型的训练效率、数据效率和推理效率等领域取得进展。
您将有机会与Google全球团队合作，在上述领域取得进展，实现基础性突破，并开创下一代产品。
Google研究正在为所有Google产品构建下一代智能系统。为了实现这一目标，我们正在开展利用由熟练的软件工程师和研究科学家开发的最新计算机科学技术的项目。
Google研究团队与Google的其他团队密切合作，保持灵活性和多样性，以适应世界快节奏的商业需求。
职责
• 开发改进深度学习模型训练速度和泛化能力的算法和基础模型架构的基础性进展。
• 开发使基础模型推理更高效和灵活的基础性进展，包括知识采纳和蒸馏技术。
• 研究数据子集选择和更高效的大数据集训练方法。
• 改进整个模型部署流程，包括更好的预训练、指导和调优公式，以及通过人类反馈进行强化学习。
J-18808-Ljbffr 
悉尼