Chercheur - Apprentissage Automatique - - Montréal, Canada - Microsoft

Microsoft

Verified Company

Montréal, Canada

1 week ago

Posted by:

Sophia Lee

beBee Recruiter

Description

ENGLISH TEXT TO FOLLOW FRENCH TEXT

Vue d'ensemble
À propos de l'équipe

L'équipe se concentre sur les pistes de recherche suivantes:

Concevoir des approches efficaces et modulaires pour développer des modèles faciles à combiner au moyen de nouvelles méthodes pour effectuer des tâches jusqu'ici inaccessibles dans les environnements d'apprentissage sans exemple ou avec peu d'exemples.
Publication pertinente récente : "Multi-Head Adapter Routing for Cross-Task Generalization " (NeurIPS 2023)
Comprendre la dynamique des grands modèles linguistiques et en combiner plusieurs pour apprendre à construire des systèmes plus complexes.
Publication récente pertinente : "

Deep Language Networks:
Joint Prompt Training of Stacked LLMs using Variational Inference " (NeurIPS 2023)

Avoir une compréhension fonctionnelle des outils d'optimisation courants, en ayant une compréhension théorique de la façon dont les optimiseurs et les ensembles de données influencent la fonction apprise plutôt que ses paramètres.
Publications pertinentes récentes : "Targetbased Surrogates for Stochastic Optimization " (ICML 2023) et " Decision-Aware Actor-Critic with Function Approximation and Theoretical Guarantees" (NeurIPS 2023)
Développer des agents enseignables capables de donner un sens à des commentaires textuels riches et d'utiliser des outils externes.
Publications pertinentes récentes : "Asking for Knowledge (AFK): Training RL Agents to Query External Knowledge Using Language " (ICML 2022) et "Augmenting Autotelic Agents with Large Language Models" (CoLLAs 2023)

En plus de ces sujets, nous travaillons en étroite collaboration avec l'équipe "Fairness, Accountability, Transparency, and Ethics" (FATE) de MSR Montréal, abordant des questions telles que la bonne évaluation des modèles linguistiques pour l'examen des préjudices.

La mission de Microsoft est de permettre à chaque personne et à chaque organisation de la planète d'en accomplir davantage.

En tant qu'employés unis par une mentalité de croissance, nous innovons pour habiliter les autres et collaborons pour atteindre nos objectifs communs.

Chaque jour, nous mettons en pratique nos valeurs de respect, d'intégrité et de responsabilité afin de créer une culture d'inclusion où chacun peut s'épanouir au travail et au-delà.

Conformément aux valeurs de Microsoft, nous nous engageons à cultiver un environnement de travail inclusif pour tous les employés afin de produire une incidence positive sur notre culture au quotidien.

We seek to hire a Researcher, Machine Learning at Microsoft Research (MSR) Montréal.

Applicants need to have the passion and ability to craft and pursue an independent research program to further our understanding of deep learning methods.

About the team

The Microsoft Research Montréal Lab's Machine Learning (ML) team develops state-of-the-art theoretically grounded methods to broaden the applicability of ML systems, with the goals of: providing a deeper understanding of the core principles underlying current and future algorithms and improving real products through machine learning.

The team is focused on the following research directions:

Designing efficient and modular approaches to develop models that are easy to combine in new ways to address previously unseen tasks in the zero-shot and few-shot settings.
Recent relevant publication: Multi-Head Adapter Routing for Cross-Task Generalization (NeurIPS 2023)
Understanding the dynamics of large language models and learning how to build more complex systems by coupling multiple LLMs together.
Recent relevant publication:

Deep Language Networks:
Joint Prompt Training of Stacked LLMs using Variational Inference (NeurIPS 2023)

Building a functional understanding of common optimization tools, theoretically understanding how optimizers and datasets influence the learnt function rather than its parameters.
Recent relevant publications: Targetbased Surrogates for Stochastic Optimization (ICML 2023) and Decision-Aware Actor-Critic with Function Approximation and Theoretical Guarantees (NeurIPS 2023)
Developing teachable agents that can make sense of rich textual feedback and use external tools.
Recent relevant publications: Asking for Knowledge (AFK): Training RL Agents to Query External Knowledge Using Language (ICML 2022) and Augmenting Autotelic Agents with Large Language Models (CoLLAs 2023).

We are looking for someone to enhance or complement these research themes, leading their own research agenda.

In addition to these themes, we work in close collaboration with the MSR Montreal's Fairness, Accountability, Transparency, and Ethics (FATE) team, addressing questions such as the proper evaluation of language models for harm assessment.

Microsoft's mission is to empower every person and every organization on the planet to achieve more. As employees we come together with a growth mindset, innov