AI Software Engineer

Job Beschreibung

Wir suchen einen hochqualifizierten und motivierten AI-Software-Ingenieur, um unserem Machine Learning & GenAI-Team beizutreten. Sie werden eine neue, skalierbare AI-Plattform aufbauen und AI-getriebene Systeme entwerfen, entwickeln und bereitstellen, die messbare Geschäftsergebnisse liefern.

Hauptaufgaben

• Plattform und Architektur: Entwurf und Aufbau einer hybriden (on-prem / on-cloud) AI/ML-Plattform, um AI-Anwendungsfälle im großen Maßstab auszuführen.
• Modellentwicklung und -evaluation: Zusammenarbeit bei der Ausbildung, Feinabstimmung und Optimierung von Modellen, einschließlich LoRA/PEFT.
• Softwareentwicklung und MLOps: Eigenverantwortliche Entwicklung von AI-Diensten und APIs, einschließlich Design, Codierung, Testen und Bereitstellung.
• Produkt- und Stakeholder-Zusammenarbeit: enge Zusammenarbeit mit Geschäftsanwendern, Produktbesitzern, Business-Engineern, Datenmanagern, Datenwissenschaftlern und Technologie-Teams, um AI/ML-Anwendungsfälle, Anforderungen und Erfolgsmetriken zu verstehen.
• Sicherheit, Datenschutz und Compliance: Sicherstellung, dass alle AI/ML-Lösungen die bankweiten Daten- und AI-Richtlinien und -Standards erfüllen, einschließlich Datenschutz, Cybersicherheit und verantwortungsvolle AI-Praktiken.

Anforderungen

• Ausbildung: Hochschulabschluss in Informatik, Datenwissenschaft, Mathematik, Statistik, Physik oder einem verwandten Fach.
• Pflichtkenntnisse:
  • Umfangreiche Kenntnisse von ML/AI-Frameworks: PyTorch oder TensorFlow; Hugging Face-Ökosystem; LangChain/LlamaIndex oder äquivalent.
  • Praktische Erfahrung mit LLM: Prompt-Engineering, Feinabstimmung/LORA, Embeddings, Vektordatenbanken (FAISS, Pinecone, Weaviate), RAG-Muster.
  • Solide Programmierkenntnisse in Python, R oder Java/Scala; Erfahrung mit SQL, ETL-Tools und Linux/Unix; Kenntnisse von Control-M und Terraform sind von Vorteil.
  • Vorherige Erfahrung bei der Bereitstellung von Anwendungen in Cloud-Umgebungen (Azure); Vertrautheit mit hybriden On-Premise/Cloud-Setups.
  • Erfahrung beim Aufbau von produktionsreifen APIs und APIs (REST/SOAP); cloud-nativer (AWS/GCP/Azure), Container (Docker) und Orchestrierung (Openshift, Kubernetes).
  • MLOps-Grundlagen: Experiment-Tracking (Mlflow/Weights), Modell-Registrierungen, CICD; Modell-Überwachung, Feature-Stores, A/B-Testing und Software-Architektur.

Wir bieten

Eine unterstützende Umgebung, in der Ihre Beiträge geschätzt und anerkannt werden. Eine dynamische und stimulierende Arbeitsumgebung, in der Sie Ihre Fähigkeiten und Kenntnisse einsetzen können, um messbare Geschäftsergebnisse zu liefern.