Anforderungen: – Python-Programmierung mit klassischem wissenschaftlichen Stack (Numpy, Pandas, Scipy, Scikit-Learn) + einige Visualisierungstools wie Matplotlib, Plotly oder andere ähnliche Bibliotheken – Erfahrung mit maschinellen Lernalgorithmen und idealerweise numerischen Optimierungsalgorithmen – Erfahrung und/oder Verständnis davon Tensorflow oder Pytorch. Idealerweise Erfahrung mit Huggingface-Transformatoren. - Kenntnisse in SQL. - Verständnis der grundlegenden Konzepte von OOP und funk
Anforderungen: – Python-Programmierung mit klassischem wissenschaftlichen Stack (Numpy, Pandas, Scipy, Scikit-Learn) + einige Visualisierungstools wie Matplotlib, Plotly oder andere ähnliche Bibliotheken – Erfahrung mit maschinellen Lernalgorithmen und idealerweise numerischen Optimierungsalgorithmen – Erfahrung und/oder Verständnis davon Tensorflow oder Pytorch. Idealerweise Erfahrung mit Huggingface-Transformatoren. - Kenntnisse in SQL. - Verständnis der grundlegenden Konzepte von OOP und funktionaler Programmierung, um wartbaren und skalierbaren Code zu erstellen. Git-Management. Bevorzugt: - Erfahrung mit Numba oder zumindest Verständnis für dessen Verwendung und Herausforderungen bei der Implementierung. - Erfahrung mit der Erstellung von Backends Microservices mit Python (idealerweise FastAPI) – Erfahrung und/oder ausgeprägtes Verständnis von LLMs + RAG-Systemen (Vektor-DBs, Semantik + Schlüsselwortsuche und Neuranking, Vorbereitung und Analyse von Wissensdatenbanken, Eingabeaufforderungstechniken) – Grundlegende Bash-Fähigkeiten. Verantwortlichkeiten: – Code schreiben und optimieren Python, Pandas, Scipy, Numba, SQL usw. – Lösen Sie nichtlineare Optimierungsprobleme (in der Aufgabenplanung und im Zuordnungsraum) mithilfe genetischer Algorithmen, lokaler Suche und anderer Methoden. – Erstellung von LLM-basierten RAG-Assistenten mit Kombinationen des Wissens beider Kunden Basis- und Allgemeinwissen des Modells (Datenaufbereitung, semantische und hybride Suchmaschinen, LLM-Grundlage)