Stellenangebot

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

Wir suchen einen erfahrenen Machine Learning Engineer, der sich unserem agilen Entwicklungsteam anschließt und an der Gestaltung, Entwicklung und Wartung von robusten, skalierbaren AI-Lösungen mitarbeitet. Der ideale Kandidat verfügt über starke Problemlösungs- und analytische Fähigkeiten sowie Erfahrung mit Machine Learning-Bibliotheken und Deep-Learning-Frameworks wie TensorFlow oder PyTorch.

Zürich

Julius Bär Gruppe AG

100%

Aufgaben

Design und Implementierung von RAG-Systemen, um AI-Antworten auf Unternehmensdaten zu gründen
Bewertung und Integration von AI-Modellen (z.B. LLMs) zur Gewährleistung optimaler Leistung und Zuverlässigkeit
Optimierung von agentiven Workflows und AI-Agents für Produktionsanwendungen
Testen und Optimieren von Systemprompts und Few-Shot-Beispielen, um genaue, konsistente und sichere AI-Ausgaben zu gewährleisten
Auswertung der Leistung von Machine-Learning- und AI-Modellen unter Verwendung geeigneter Metriken, Bewertungssätze und Techniken, sowie kontinuierliche Iteration und Verbesserung
Zusammenarbeit mit Plattformteams, Data-Engineers, Data-Scientists 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 zu gewährleisten

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 zusammenzuarbeiten
Hintergrund oder Master-Abschluss in Informatik, Informationswissenschaft, 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 AI-Agents und agentiven 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, wie Wahrscheinlichkeit, lineare Algebra und Optimierung
Interesse an Geschäftsherausforderungen in verschiedenen Domänen
Verständnis von Software-Entwicklungsbest-Practices, einschließlich Versionierung, Testen und Dokumentation
Exzellente Problemlösungs- und Debugging-Fähigkeiten, mit der Fähigkeit, Probleme schnell und effektiv zu identifizieren und zu lösen
Relevante Berufserfahrung in Machine Learning, Data Science oder einem verwandten Feld