Remote ML-Ingenieur (LLM & Generative AI) – Scientist II
Posted Updated 22
views
Who recruits here
Up to three recruiters at Owkin with their work email, so you can write to a person.
Available on Pro.
Description
Owkin sucht eine erfahrene Scientist II Machine-Learning-Engineer, um moderne KI-Lösungen zu entwerfen, zu entwickeln und bereitzustellen. Fokus liegt auf LLMs, generativer KI und fortgeschrittenen Deep-Learning-Architekturen; du bindest dich an Data-Science- und Engineering-Teams an, um Modelle von der Forschung in die Produktion zu überführen.
Du skaliest komplexe Modelle, optimierst Trainings- und Inferenz-Pipelines, nutzt Cloud-Ökosysteme und arbeitest mit Gesundheits- bzw. Omics-Daten.
Entwickle skalierbare ML-Bibliotheken, Tools und Forschungs-Workflows in enger Zusammenarbeit mit Forschungs- und Data-Science-Teams. Gestalte Infrastruktur-Anforderungen und treibe Tool-/Software-Entscheidungen voran. Fördere best practices in Software-Engineering und unterstütze Forschungsteams beim Schreiben wartbarer, testbarer und effizienter Codes. Entwerfe und verbessere Systeme für Experiment-Tracking, Reproduzierbarkeit und Modelllebenszyklus-Management. Beschleunige Prototyping neuartiger Modelle und verknüpfe Forschung mit robusten Implementierungen. Übernehme ad-hoc-Verantwortlichkeiten, Aufgaben und Projekte der Geschäftsleitung. Masterabschluss oder Promotion in Informatik, Data Science oder verwandtem quantitativen Fach mit Schwerpunkt ML/KI. 5+ Jahre Berufserfahrung in der Softwareentwicklung mit Python und nachweisliche Erfolge bei der Überführung von Deep-Learning-Modellen in den Produktivbetrieb. Fundiertes Verständnis von ML-Algorithmen, statistischen Methoden und Deep-Learning-Frameworks; Beherrschung von PyTorch oder TensorFlow. Fundiertes Verständnis von Transformer-Architekturen, Attention-Mechanismen, Hugging Face, agentischer Workflows und RAG. Erfahrung mit Cloud-Plattformen (AWS, GCP oder Azure) und SageMaker. Ausgeprägte Engineering-Praktiken inkl. Versionskontrolle, Tests, CI/CD, Containerisierung (Docker). Erfahrung mit verteiltem Rechnen und verteiltem Training großer Datensätze; Optimierung von ML-Workflows. Flexible Arbeitsorganisation Freundliches und informelles Arbeitsum Internationales Team & hohes techn./NWSkills
Sign in to read and join the discussion.