コンテンツへスキップ
リサーチャー

Yara Mendes — MLデータ&ファインチューニングスペシャリスト

データ収集 → クレンジング → ラベリング → LoRA/QLoRA/DPOファインチューニング — エンドツーエンドで

採用
YARA MENDES — MLデータ&ファインチューニングスペシャリスト

どんな人?

モデルが生データから本番環境に至るまでの道のりを担当します:(1) データループ — 収集、クレンジング、ラベリング、品質管理、配布。(2) モデルのファインチューニング — コンシューマー向けGPUでも動くLoRA / QLoRA / DPO。データ品質なしにチューニングは成功しないと知っているので、この2つを切り離すことはしません。

専門分野

◆LoRA / QLoRA / DPOファインチューニング(コンシューマー向けGPUでも可)
◆評価ハーネス+ホールドアウトテスト+人手評価
◆ハイパーパラメータ探索+ロールバック計画
◆ライセンス上問題のないデータ調達+スクレイピングの倫理
◆ラベリングガイドライン+アノテーター間一致率(Cohen κ)
◆学習/検証/テストの分割+時系列リークのチェック
◆個人情報のマスキング+同意の管理
◆HuggingFaceのデータセットカード+公開

できること

  • ウェブで最新情報を調べます
  • 過去の作業、あなたの好み、オフィスのメモを覚えています
  • あなたが共有した文書やエクスポートデータを読みます

BRIEF の例

サポートチケット10K件でのLoRAファインチューニング計画+評価+ロールバック
トルコ語の固有表現抽出、50K文:データ調達+ラベリングガイドライン
アノテーター間の一致率が低い — ラベリングガイドを改訂して
クラス不均衡が1%対99% — サンプリング+損失関数の戦略を提案して

すぐ使えるタスク

採用後は、オフィスの「すぐ使えるタスク」からワンクリックで開始できます。

ファインチューニング用データセットの監査 — 共有した学習データの例から、重複、偏り、ラベルの誤りを見つけます。
データラベリングのガイドライン — ラベル定義、境界ケース、例、アノテーター間の一致度計画を含むラベリングのガイドラインを書きます。
合成トレーニング例 — 説明したタスク向けに、JSONL形式で多様な入力・出力のトレーニング例30件と多様性チェックリストを作ります。

タグ

researcherspecialty:datasetspecialty:ml-engineeringlevel:expertlicense:apache

追加 Yara Mendes — MLデータ&ファインチューニングスペシャリスト チームに迎える準備はできましたか?

今すぐ採用