TGINSIGHT SIMILAR POSTS
Source channel @githubtrending · Post #15340 · Dec 17
#python#gym#gym_environment#reinforcement_learning#reinforcement_learning_agent#reinforcement_learning_environments#rl_environment#rl_training NeMo Gym helps you build and run reinforcement‑learning training environments for large language models, letting you develop, test, and collect verified rollouts separately from the training loop and integrate with your preferred RL framework and model endpoints (OpenAI, vLLM, etc.). It includes ready resource servers, datasets, and patterns for multi‑step, multi‑turn, and tool‑using scenarios, runs on a typical dev machine (no GPU required), and is early-stage with evolving APIs and docs. Benefit: you can generate high‑quality, verifiable training data faster and plug it into existing training pipelines to improve model behavior. https://github.com/NVIDIA-NeMo/Gym
Search: #mlflow
@repo_science · Post #3110 · 04/28/2023, 07:38 PM
En este tutorial de Marcin Zabłocki, aprenda a implementar cualquier modelo #machinelearning (incluso con funciones personalizadas/preprocesamiento complejo) como una función remota #BigQuery para hacer posible la inferencia del modelo desde SQL. Implementar modelos #MLflow en BigQuery ➡️https://shts.me/C3OB5 ----- Canal principal:@repo_science Cupones: @freecoupons_reposcience -----
Hashtags
@datasciencejobs · Post #2872 · 08/15/2025, 04:18 PM
#вакансия#ml#rl#python#numpy#pandas#pytorch#jax#mlflow#rllib О НАШЕМ ПРОЕКТЕ Мы работаем над системой управления доходами (RMS). Наши клиенты - российские авиакомпании. Приглашаем в команду Data scientist для разработки и обучения RL-агента для управления доходами авиаперевозчика на уровне рынка. Основной стек: Python, PyTorch/JAX, NumPy/Pandas, MLFlow/Weights & Biases, приветствуются RLlib/Acme/Stable-Baselines. 🧑💻Чем предстоит заниматься: 🖊постановка формальной задачи RL: определение пространств состояний/действий/вознаграждения, ограничений и KPI; 🖊разработка и валидация симулятора рыночной среды на основе исторических данных (реакции спроса, сезонность, шоки); 🖊исследование и внедрение алгоритмов RL/IL (value-based, policy-gradient, actor-critic, off-policy/offline RL); 🖊экспериментальный дизайн: off-policy оценка, А/В в симуляторе, подготовка к онлайн-экспериментам; 🖊инструменты качества: стабильность обучения, воспроизводимость, мониторинг метрик (reward, RM KPI, робастность к шокам); 🖊 взаимодействие с продуктом/инженерией: требования, передача моделей в прод, контроль деградаций. 🧑💻Что ожидаем: 🖊сильная подготовка в RL/оптимизации/статистике (магистр/кандидат или сопоставимый опыт); 🖊практике в PyTorch/JAX; опыт построения и отладки сложных обручающих циклов; 🖊 желателен опыт causal inference/ контрафактической оценки; 🖊будет плюсом: временные ряды, эконометрика спроса, ценовые эксперименты; 🖊умение формализовать задачу и защитимо сравнивать политики. 🧑💻Мы предлагаем: - СТАБИЛЬНОСТЬ: оформление и оклад в соответствии с ТК РФ (гпх, фриланс - невозможны); - БЕЗОПАСНОСТЬ: работа в аккредитованной IT-компании, отсрочка и т.д; - УДАЛЕННУЮ РАБОТУ: график работы 5/2 по МСК в интервале 09-18.00 -/+2 часа (гибкое начало рабочего дня с учетом планирования общих коммуникаций); - РАЗВИТИЕ: современный стек, наставничество в первый месяц работы, карьерный рост; - процессы без бюрократии, политика «открытых дверей» руководства. 📝 Ждём ваши резюме 89287653141, тг @MariP_rnd