Machine Learning Engineer 100% (f/m/d)

Aufgaben

• Erstellung von Multi-Agenten-Systemen und Ausstattung von KI-Modellen mit Funktions-/Werkzeugaufrufmöglichkeiten
• Entwurf und Implementierung von RAG-Systemen, um KI-Antworten auf Unternehmensdaten zu gründen
• Bewertung und Integration von KI-Modellen (z.B. LLMs), um optimale Leistung und Zuverlässigkeit sicherzustellen
• Optimierung von Agenten-Workflows und KI-Agents für Produktionsanwendungsfälle
• Testen und Optimieren von Systemanweisungen und Beispielen, um genaue, konsistente und sichere KI-Ausgaben sicherzustellen
• Auswertung der Leistung von Machine-Learning- und KI-Modellen unter Verwendung geeigneter Metriken, Bewertungssätze und Techniken, sowie kontinuierliche Iteration und Verbesserung
• Zusammenarbeit mit Plattformteams, Daten-Ingenieuren, Daten-Wissenschaftlern und anderen Stakeholdern, um Machine-Learning-Lösungen in bestehende Systeme und Prozesse zu integrieren
• Teilnahme an Code-Reviews, Testen und Debuggen, um die Qualität und Zuverlässigkeit von Machine-Learning-Lösungen sicherzustellen

Anforderungen

• Starke Problemlösungs- und analytische Fähigkeiten, mit der Fähigkeit, kritisch und kreativ über komplexe Herausforderungen nachzudenken
• Exzellente Kommunikations- und Kooperationsfähigkeiten, mit der Fähigkeit, effektiv mit cross-funktionalen Teams und Stakeholdern auf allen Ebenen der Organisation zusammenzuarbeiten
• Fähigkeit, persönliche Arbeitsströme effektiv zu verwalten, Aufgaben zu priorisieren, Zeitpläne zu verwalten und hochwertige Ergebnisse termingerecht zu liefern
• Kontinuierliche Lernbereitschaft, mit einer Leidenschaft, sich über die neuesten Entwicklungen im Bereich Machine Learning und künstlicher Intelligenz auf dem Laufenden zu halten
• Aufmerksamkeit für Details und Engagement für die Erstellung von hochwertigem, zuverlässigem und wartbarem Code
• Akademischer Abschluss in Data Science, Informatik, Mathematik, Statistik oder einem verwandten Feld
• Starke Programmierfähigkeiten in Python mit Erfahrung in Machine-Learning-Bibliotheken und Deep-Learning-Frameworks wie TensorFlow oder PyTorch
• Nachweisbare Erfahrung mit Large Language Models (LLMs)
• Gutes Verständnis von KI-Agents und Agenten-Workflows, LLM-Orchestrierungsframeworks und Denkmustern
• Erfahrung mit Datenpräparation, Feature-Engineering und Modellauswahl- und Bewertungstechniken
• Kenntnisse von statistischen und mathematischen Konzepten, die für Machine Learning relevant sind

Wir bieten