Staff Research Scientist - Post-Training for Observability Native Models

О позиции

Датедог — ведущая платформа observability и безопасности для эпохи ИИ, обеспечивающая единое видимость технологического стека для управления сложностью в масштабе. В рамках команды DAIR вы будете занимать позицию индивидуального исполнителя, продвигая подходы к пост-обучению моделей принятия решений и создавая гибридные системы принятия решений и генерации.

Чем заниматься

• Вести исследования пост-обучения для мультимодальных моделей принятия решений и гибридных систем decision/generative
• Полностью управлять исследовательскими задачами от формулировки вопроса до экспериментов, разработки модели и оценки
• Разрабатывать и продвигать методы пост-обучения и циклы обучения для моделей в сложных средах
• Создавать симулированные среды, подходы к генерации синтетических данных и фреймворки оценки для масштабируемого обучения моделей
• Сотрудничать с междисциплинарными командами Research, Product и Engineering для трансляции исследований в масштабируемые capabilities
• Делиться результатами исследований с внешней аудиторией при достижении ключевых этапов проектов

Что ждут

• PhD по Computer Science, Machine Learning или смежной области, либо эквивалентный опыт
• Глубокая экспертиза в областях AI agents, decision models, post-training или generative modeling
• Опыт ведения технически амбициозных исследований на значительном масштабе как individual contributor
• Расширенный hands-on опыт проектирования или реализации методов обучения, симулированных сред, пайплайнов синтетических данных, фреймворков оценки
• Подтверждённый track record влияния через публикациями, значимые модели или системы, широко используемые артефакты
• Работа на высоком техническом уровне, опыт лидерства и менторства исследователей или инженеров
• Намерение оставаться глубоко hands-on в исследованиях долгосрочно
• Эффективная коммуникация сложных результатов для технический и нетехнический аудитории

Условия

• Гибридный формат работы для баланса work-life harmony
• Культура офиса с акцентом на отношения и коллаборацию
• Возможность устанавливать техническое направление амбициозных исследовательских программ
• Трансляция научных достижений в реальные продукты Datadog
• Работа в международной компании с глобальным влиянием
• Менторство других исследователей и повышение качества работы вокруг себя

Навыки

• Machine Learning
• Deep Learning
• Post-training
• Model Fine-tuning
• Multimodal AI
• AI Agents
• Decision Models
• Synthetic Data Generation
• Simulated Environments
• Model Evaluation
• Python
• PyTorch
• TensorFlow
• Research Methodology
• Scientific Writing

Могут спросить на собеседовании

1. Расскажите о вашем наиболее значимом исследовательском проекте: какую проблему вы решали, какие методы применяли и какой был результат?
2. Как вы подходите к дизайну симулированных сред для обучения агентов? Какие ограничения и вызовы вы встречали?
3. Приведите пример, когда вам пришлось адаптировать методы пост-обучения под конкретные бизнес-требования. Как вы оценивали успех?
4. Как вы балансируете между глубиной теоретического исследования и практической применимостью результатов?
5. Опишите ситуацию, когда ваши исследовательские идеи были приняты командой или руководством вопреки первоначальному скепсису.