Auf einen Blick
Wir suchen einen Lead Machine Learning Engineer mit 10+ Jahren Erfahrung für Enterprise GenAI Lösungen. Schwerpunkte sind Generative AI, RAG, Agentic AI und Production MLOps.
💰 5.000.000–9.900.000/Jahr
📊 Lead
🕒 Vollzeit
🗺️ APAC
- 10+ Jahre ML/AI Erfahrung
- Generative AI und LLM Expertise
- Production MLOps Kenntnisse
- Python/SQL/Spark Proficiency
Machine Learning
Generative AI
Python
PyTorch
TensorFlow
MLOps
Kubernetes
Angegeben: INR 5.000.000–9.900.000/Jahr · Marktschätzung: ~€120.000–160.000/Jahr.
✅ Geeignet für
- Senior ML Engineers mit GenAI Background
- Tech Leaders
- AI/ML Spezialisten mit Production Erfahrung
🚫 Weniger geeignet
- Junior Data Scientists
- Reine Akademiker ohne Production Erfahrung
- Non-Tech Backgrounds
💡 Gut zu wissen
- GenAI ist schnell evolving, kontinuierliches Lernen erforderlich
- Production MLOps ist kritisch, nicht nur Research
- 10+ Jahre ist hohe Bar - nur sehr Senior Kandidaten
Über das Unternehmen
Weekday-Kunde mit Fokus auf Machine Learning und Generative AI Lösungen.
Deine Aufgaben
- End-to-End ML-Lösungen bei Skalierung gestalten, entwickeln und deployen
- Predictive Models, Recommendation Systems und NLP Lösungen aufbauen und optimieren
- Komplette Data Science Lifecycle durchführen: Problem Formulation, Data Exploration, Feature Engineering, Model Training, Evaluation
- Enterprise-Grade GenAI Anwendungen mit OpenAI, Azure OpenAI, Anthropic Claude, Llama, Mistral und Gemini entwickeln
- RAG-Architekturen, Agentic AI Systeme und Multi-Agent Frameworks entwerfen
- Prompt Engineering Strategien implementieren
- Fine-Tuning Pipelines entwickeln
- Production-Grade ML-Lösungen entwerfen, bauen, deployen und monitoren
- End-to-End ML Pipelines entwickeln und optimieren
- Mit Product und Engineering Teams kooperieren
- MLOps, Model Governance und Scalability Best Practices treiben
Deine Voraussetzungen
- 10+ Jahre Machine Learning und Data Science Erfahrung
- Python, SQL und Spark Proficiency
- Expertise in ML/DL Frameworks (PyTorch, TensorFlow, Scikit-learn)
- Erfahrung mit LLMs, RAG und Agentic AI
- Docker, Kubernetes und Cloud Platforms (AWS/Azure/GCP) Kenntnisse
- MLOps und Model Deployment Erfahrung
- Production Deployment Erfahrung
- Ausgezeichnete Kommunikations- und Collaboration Skills
- Erfahrung in HR/People Analytics Domain ist plus
- Track Record in LLM Production Optimization
Benefits
Keine Angaben vorhanden
