Mittlerer/leitender Ingenieur für maschinelles Lernen in Provectus

Kommen Sie zu uns bei Provectus und werden Sie Teil eines Teams, das sich der Entwicklung hochmoderner Technologielösungen mit positiver Wirkung widmet Auswirkungen auf die Gesellschaft. Unser Unternehmen ist auf KI- und ML-Technologien, Cloud-Dienste und Datentechnik spezialisiert und wir sind stolz auf unsere Fähigkeit, Innovationen voranzutreiben und die Grenzen des Möglichen zu verschieben.

Als ML-Ingenieur werden Sie bestens versorgt mit allen Möglichkeiten für Entwicklung und Wachstum.

Lasst uns gemeinsam daran arbeiten, eine bessere Zukunft für alle aufzubauen!
 

Anforderungen:

• Komfortabel mit Standard-ML-Algorithmen und der zugrunde liegenden Mathematik.
• Ausgeprägte praktische Erfahrung mit LLMs in der Produktion, RAG-Architektur und Agentensystemen
• AWS Bedrock-Erfahrung dringend erwünscht
• Praktische Erfahrung mit der Lösung von Klassifizierungs- und Regressionsaufgaben im Allgemeinen, Feature Engineering.
• Praktische Erfahrung mit ML-Modellen in der Produktion.
• Praktische Erfahrung mit einer oder mehreren Anwendungen Fälle aus den folgenden Bereichen: NLP, LLMs und Empfehlungs-Engines.
• Solide Software-Engineering-Fähigkeiten (d. h. Fähigkeit, gut strukturierte Module zu erstellen, nicht nur Notebook-Skripte).
• Python-Expertise , Docker.
• Englischniveau – starke Mittelstufe.
• Ausgezeichnete Kommunikations- und Problemlösungsfähigkeiten.
   

Wird ein Plus sein :

• Praktische Erfahrung mit Cloud-Plattformen (AWS-Stack bevorzugt, z.B. Amazon SageMaker, ECR, EMR, S3, AWS Lambda).
• Praktische Erfahrung mit Deep-Learning-Modellen.
• Erfahrung mit Taxonomien oder Ontologien.
• Praktische Erfahrung mit Pipelines für maschinelles Lernen zur Orchestrierung komplizierter Arbeitsabläufe.
• Praktische Erfahrung mit Spark/Dask, große Erwartungen.
   

Verantwortlichkeiten:

< li>Erstellen Sie ML-Modelle von Grund auf oder verbessern Sie vorhandene Modelle. 
• Arbeiten Sie mit dem Engineering-Team, Datenwissenschaftlern und Produktmanagern an Produktionsmodellen zusammen.
• Entwickeln Sie eine Roadmap für Experimente. 
• Richten Sie eine reproduzierbare Experimentierumgebung ein und pflegen Sie Experimentierpipelines.
• Überwachen und warten Sie ML-Modelle in der Produktion, um eine optimale Leistung sicherzustellen.
• Schreiben Sie eine klare und umfassende Dokumentation für ML-Modelle, -Prozesse und -Pipelines.
• Bleiben Sie über die neuesten Entwicklungen in ML und KI auf dem Laufenden und schlagen Sie innovative Lösungen vor.