ML / AI Mérnök

Stack

Feladatok

• ▹Megosztott AI-képességek, újrafelhasználható szolgáltatások és mérnöki gyorsítók építése és folyamatos fejlesztése több építőipari szoftvertermékhez
• ▹Éles minőségű AI-rendszerek tervezése és megvalósítása, beleértve LLM-alapú élményeket, keresési (retrieval) folyamatokat, eszközhasználatot, orchestrációs rétegeket és ágensalapú munkafolyamatokat
• ▹Ember és gép által is végrehajtható technikai anyagok készítése (specifikációk, kiértékelések, interfész-definíciók, munkafolyamat-szerződések)
• ▹Kiértékelés-vezérelt fejlesztési ciklusok meghatározása és alkalmazása AI-rendszerekhez, minőség, megbízhatóság, késleltetés, költség és megalapozottság szempontjából
• ▹Együttműködés terméktervekkel a nagy értékű, termékek közötti lehetőségek azonosításában, a megosztott képességek integrációjának támogatásában, minták javaslásában
• ▹Közreműködés az AI-natív mérnöki gyakorlatokban Spec-Driven Development, AI-asszisztált fejlesztési munkafolyamatok, automatizált tesztelés és intelligens mérnöki ágensek révén
• ▹Gyakorlati szabványok és védőkorlátok alkalmazása az AI megbízhatóságára, megfigyelhetőségére, kormányzására, biztonságára és felelős éles használatára
• ▹Új technikai megközelítések gyors prototípuskészítése és validálása
• ▹Más mérnökök támogatása és irányítása technikai együttműködés, kódellenőrzés és tudásmegosztás révén
• ▹Szoros együttműködés az AI PM/PO-val, mérnöki és üzleti érdekeltekkel a megvalósítási döntések ügyfélérték, szállíthatóság és mérhető eredmények szerinti összehangolásában

Elvárások

• ▹Legalább 5+ év gyakorlati szoftvermérnöki tapasztalat, ezen belül jelentős munka éles minőségű AI- vagy adatintenzív rendszereken
• ▹Kiváló Python programozási ismeretek
• ▹Jártasság az Azure és AWS felhőplatformokon
• ▹Gyakorlati tapasztalat generatív AI technológiákkal és alkalmazásokkal
• ▹Erős gyakorlati megértés az LLM-ekről, retrieval-augmented generationről (RAG), eszközhasználatról, ágensekről és ezek valós kompromisszumairól, korlátairól, hibamódjairól
• ▹Tapasztalat éles AI-rendszerek tervezésében és üzemeltetésében API-kon, alkalmazásszolgáltatásokon, adatfolyamatokon, retrieval-rétegeken, kiértékelési munkafolyamatokon és felhőinfrastruktúrán keresztül
• ▹Képesség mérhető minőségi kritériumok és kiértékelési megközelítések meghatározására, egyensúlyozva az ügyfélérték, megbízhatóság, késleltetés, költség és karbantarthatóság között
• ▹Gyakorlati tapasztalat AI-asszisztált mérnöki munkával, Spec-Driven Developmenttel és modern fejlesztői eszközökkel
• ▹Erős architektúrai ítélőképesség újrafelhasználható minták és megosztott képességek tervezéséhez, együttműködve a helyi implementációs döntéseket birtokló termékcsapatokkal
• ▹Bizonyított tapasztalat a korai feltárástól és prototípuskészítéstől az éles bevezetésig és folyamatos fejlesztésig terjedő, funkciók közötti munkában agilis környezetekben
• ▹Képesség más mérnökök támogatására és befolyásolására, a technikai színvonal emelésére, tisztaság teremtésére kétértelmű és gyorsan változó AI-környezetekben
• ▹Erős kommunikációs és együttműködési készségek, képesség a technikai összetettség döntésekké és cselekvésekké fordítására

Előny

• ▹Elérhetőség 14:00 és 22:00 (CET) között előnyt jelent

Soft skillek