Senior ML Engineer (GCP) bei GetInData | Teil von Xebia in GetInData | Part of Xebia

Auf generative KI spezialisierte ML-Ingenieure sind für die Optimierung der Lebenszyklen von maschinellen Lernprojekten mit Schwerpunkt auf generativer KI verantwortlich, indem sie Arbeitsabläufe entwerfen und automatisieren, CI/CD-Pipelines implementieren, Reproduzierbarkeit sicherstellen und eine zuverlässige Experimentverfolgung bereitstellen. Ihre Arbeit konzentriert sich hauptsächlich auf die Entwicklung generativer KI-Anwendungen auf der Grundlage modernster generativer KI-Modelle durch die Integration von Open-Source-Modellen oder kommerziellen Diensten Dritter, die generative KI-Modelle als Service anbieten. Sie sind nicht für die Schulung generativer KI-Modelle verantwortlich, sondern für die Integration der besten Tools in Anwendungen auf Produktionsebene. Sie arbeiten mit Stakeholdern und Plattformingenieuren zusammen, um die Infrastruktur einzurichten, die Modellbereitstellung zu automatisieren und Modelle zu überwachen. ML Engineer – Generative AI verfügt über ein breites Spektrum an technischen Fähigkeiten, einschließlich Kenntnissen in Orchestrierung, Speicherung, Containerisierung, Beobachtbarkeit, SQL, Programmiersprachen, Cloud-Plattformen und Datenverarbeitung. Ihr Fachwissen umfasst auch Techniken im Zusammenhang mit Information Retrieval (IR), Verarbeitung natürlicher Sprache, semantischer Suche und Vektordatenbanken. Bachelor- oder Master-Abschluss in Informatik, Datenwissenschaft oder einem verwandten Bereich. Umfangreiche Erfahrung in der Datentechnik, einschließlich der Arbeit mit BigQuery und Airflow. Kommerzielle Erfahrung in der Textverarbeitung, wie der Berechnung von Einbettungen, der Konfiguration von Freitext- oder semantischen Suchsystemen, unter Verwendung von Technologien wie Elasticsearch , Langchain, LlamaIndex oder ähnliches. Solide Erfahrung in der Arbeit mit VertexAI. Kenntnisse in Python. Vertrautheit und Erfahrung mit kommerziellen und/oder Open-Source-LLMs. Vertrautheit mit der GCP-Umgebung. Solides Verständnis der Prinzipien des maschinellen Lernens und der KI. Fähigkeit, sich aktiv an Diskussionen mit Kunden zu beteiligen bzw. diese zu leiten und bewerten Sie konkrete und ehrgeizige Verbesserungsmöglichkeiten. ML-Ingenieure, die auf generative KI spezialisiert sind, sind für die Rationalisierung der Lebenszyklen von maschinellen Lernprojekten mit Schwerpunkt auf generativer KI verantwortlich, indem sie Arbeitsabläufe entwerfen und automatisieren, CI/CD-Pipelines implementieren, Reproduzierbarkeit sicherstellen und eine zuverlässige Experimentverfolgung bereitstellen. Ihre Arbeit konzentriert sich hauptsächlich auf die Entwicklung generativer KI-Anwendungen auf der Grundlage modernster generativer KI-Modelle durch die Integration von Open-Source-Modellen oder kommerziellen Diensten Dritter, die generative KI-Modelle als Service anbieten. Sie sind nicht für die Schulung generativer KI-Modelle verantwortlich, sondern für die Integration der besten Tools in Anwendungen auf Produktionsebene. Sie arbeiten mit Stakeholdern und Plattformingenieuren zusammen, um die Infrastruktur einzurichten, die Modellbereitstellung zu automatisieren und Modelle zu überwachen. ML Engineer – Generative AI verfügt über ein breites Spektrum an technischen Fähigkeiten, einschließlich Kenntnissen in Orchestrierung, Speicherung, Containerisierung, Beobachtbarkeit, SQL, Programmiersprachen, Cloud-Plattformen und Datenverarbeitung. Ihr Fachwissen umfasst auch Techniken im Zusammenhang mit Information Retrieval (IR), Verarbeitung natürlicher Sprache, semantischer Suche und Vektordatenbanken. ,[Entwurf und Architektur von Arbeitsabläufen für maschinelles Lernen / Lebenszyklusprozess für maschinelles Lernen, Zusammenarbeit mit Plattformingenieuren, um die Infrastruktur einzurichten, die für die effiziente Ausführung von MLOps-Prozessen erforderlich istInsbesondere die Implementierung von Knowledge-Retrieval-Systemen, semantischer Suche oder Vektorspeichern unter Verwendung von z.B. Elasticsearch, Entwicklung KI-basierter Anwendungen wie Konversationssuche, Empfehlungssysteme oder Chatbots, Zusammenarbeit mit Stakeholdern, um die Hauptprobleme und Ineffizienzen der Lebenszyklen von Machine-Learning-Projekten im Unternehmen zu verstehen, Auf dem Laufenden bleiben über die neuesten Trends und Fortschritte in der Datentechnik und im maschinellen Lernen , und AI] Anforderungen: Python, BigQuery, GCP, Vertex KI-Tools: Jira, GIT, GitLab, Jenkins / GitLab, Agile. Zusätzlich: Sportabonnement, private Gesundheitsversorgung, flache Struktur, kleine Teams, internationale Projekte, Teamevents, Trainingsbudget, kostenloser Kaffee, Fitnessstudio, Fahrradabstellplatz, Spielzimmer, kostenlose Snacks, kostenlose Getränke, Inhouse-Schulungen, Startup-Atmosphäre, kein Dresscode , Küche.