Leitender Python-/KI-Ingenieur in Data Pro Software Solutions

Rollenübersicht

Wir suchen einen Senior Python/AI Engineer mit umfassender Erfahrung in maschinellem Lernen, Datentechnik, cloudbasierten Architekturen und AI-Agent-Pipelines.

Sie arbeiten direkt mit dem Systemarchitekten zusammen, um Folgendes zu entwerfen und zu erstellen:

• KI-gestützte Datenpipelines,
• Vorhersage- und Bewertungsmodelle,
• Marktauflösungsorakel,
• agentische Verarbeitungspipelines (AWS Bedrock / LangChain / benutzerdefiniert),
• hochleistungsfähige, von AWS unterstützte Mikroservices und Ereignisgesteuerte Arbeitsabläufe.

Diese Rolle eignet sich für einen selbstgesteuerten Ingenieur, der in einer sich schnell verändernden Architektur agieren kann.

Hauptaufgaben

KI / ML

• Entwickeln und trainieren Sie ML-Modelle für Marktsignale, Verhaltensmuster, Benutzerrisikosegmentierung, Anomalieerkennung.
• Implementieren Sie Einbettungspipelines, Vektorsuche und semantische Analyse mit:
  AWS Bedrock (Titan, Claude), SageMaker, LangChain, FAISS, OpenSearch oder lokale Pipelines.
• Erstellen Sie LLM-basierte Agenten mit LangGraph, LangChain, AWS Bedrock Agents oder benutzerdefinierter Orchestrierung.
• Arbeiten Sie mit HuggingFace, PyTorch, scikit-learn, Transformers, Nomic-Einbettungen, usw.

Python Engineering

• Entwerfen Sie saubere, modulare Dienste für Datenerfassung, Verarbeitung, Analyse und Agenten-Workflows.
• Erstellen Sie Echtzeit-Pipelines mit:
  asyncio, WebSockets, FastAPI, Redis Streams, Kafka, Celery, Apache Beam (optional).
• Implementieren Sie Microservices, die mit internen APIs, AWS-Services und Datenschichten interagieren.
• Schreiben Sie Python (3.10+) in Produktionsqualität mit Pydantic, SQLAlchemy, Poesie/pipenv, Typprüfung (mypy) und Tests (pytest).

Data Engineering

• Erstellen Sie ETL/ELT-Pipelines, die sowohl On-Chain- als auch Off-Chain-Datensätze aggregieren unter Verwendung von:
  AWS Glue, AWS Lambda, Step Functions, Athena, S3, DynamoDB Streams, Kinesis.
• Speicher und Datenzugriff optimieren: PostgreSQL, DynamoDB, Redis, S3, OpenSearch.
• Beobachtbarkeit und Überwachung implementierenRing: CloudWatch-Protokolle, Metriken, 400">
• Erfahrung mit AWS:
  • Lambda (Python-Laufzeit)
  • ECS Fargate
  • Bedrock (LLMs, Einbettungen, Agenten)
  • SageMaker (Modelltraining und Bereitstellung)
  • SQS, SNS, EventBridge
  • API Gateway
  • OpenSearch
  • Neptune (graph DB)
  • Best Practices für KMS, IAM
• Erstellen und überwachen Sie ML-Dienste in der Produktion mit:
  SageMaker-Endpunkten, CI/CD, Docker, Terraform, GitLab CI.

Anforderungen

Must-Have

• 5+ Jahre Python-Engineering-Erfahrung.
• Ausgeprägte Erfahrung in AI/ML, insbesondere NLP und agentenbasierten Architekturen.
• Erfahrung mit LLMs, Einbettungen, RAG und Vektor-DBs (FAISS, OpenSearch, Pinecone).
• Ausgeprägtes Verständnis von asynchronem Python und verteilten Systemen.
• Erfahrung mit Datenpipelines (ETL/ELT), ereignisgesteuert in Echtzeit Verarbeitung.
• Fähigkeit, unabhängig zu arbeiten und End-to-End-Lösungen zu entwickeln.
• Vertrautheit mit AWS-Cloud-Services (mindestens S3, Lambda, API Gateway, CloudWatch).

Nice-to-Have

• Erfahrung mit Blockchain (EVM, Polygon, Oracles).
• Erfahrung mit AWS SageMaker-Trainingspipelines.
• Verständnis für Smart-Contract-gesteuerte Arbeitsabläufe.
• Erfahrung mit Diagrammanalysen: Neo4j, AWS Neptune, RDF/Gremlin.
• Grundkenntnisse Soliditätsverständnis.
• Erfahrung mit Agent-Frameworks wie LangGraph.