Auf einen Blick
Senior GenAI Engineer, der Agentic AI und LLM-gestützte Systeme von Grund auf architekturiert.
💰 ~INR 1.600.000–2.400.000/Jahr (geschätzt)
📊 Senior
🕒 Vollzeit
🌍 Remote
🗺️ APAC
- 6+ Jahre ML, 2+ Generative AI
- LangChain/LangGraph Erfahrung
- Starke Python-Skills
- MLOps/LLMOps-Erfahrung
Generative AI
LLMs
LangChain
LangGraph
Python
Machine Learning
Prompt Engineering
NLP
Gehalt geschätzt anhand 6+ Jahre ML, 2+ GenAI, Senior-Level, India-Remote, Leadership Potential. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- ML-Engineers mit 2+ Jahren GenAI-Erfahrung
- Jemand mit Startup-Pace-Komfort
- Leader mit Hands-on-Mentalität
🚫 Weniger geeignet
- Anfänger ohne ML-Hintergrund
- Jemand ohne Python-Expertise
- Pure Data Scientist ohne Engineering-Erfahrung
💡 Gut zu wissen
- Startup-Pace und Strong Ownership sind zentral
- Fine-tuning und Performance Optimization sind großartig zu haben
- AI Governance Erfahrung ist ein Plus
Über das Unternehmen
Tech-Unternehmen mit Fokus auf Agentic AI und LLM-getriebene Produktentwicklung.
Deine Aufgaben
- Scalable Generative AI und Agentic AI Applications architekturieren und bauen
- LLM-gestützte Workflows und Prompt-Strategien entwerfen
- Intelligente AI-Agents mit LangChain/LangGraph bauen (NL-to-SQL, RAG, Task Agents)
- State-of-the-art LLMs auswählen, anpassen und optimieren
- Full ML/GenAI Pipelines (Training, Deployment, Monitoring) designen und besitzen
- APIs, Microservices und Integration Frameworks bauen
- Responsible AI Practices und Hallucination-Mitigation umsetzen
- Direkt mit Customers, Product und Engineering zusammenarbeiten
- Engineers mentorieren und AI-Platform-Strategie mitgestalten
Deine Voraussetzungen
- 6+ Jahre Traditional ML, davon 2+ Jahre Hands-on Generative AI
- Real-world Erfahrung mit LLMs (GPT, Claude, Open-Source), Prompt Engineering und Agentic Systems
- LangChain/LangGraph oder ähnliche agentic frameworks Erfahrung
- Starke Python Skills (APIs, Third-Party Integrations, Tooling)
- Foundation in Transformers, CNNs, RNNs; TensorFlow, PyTorch, Scikit-Learn
- NLP, Embedding Models und Vector Databases Erfahrung
- Hands-on mit OpenAI, Llama, Azure OpenAI und Open-Source Models
- Distributed, Cloud-Native Architectures (Microservices, APIs)
- AWS/Azure/GCP Proficiency; Docker/Kubernetes
- MLOps/LLMOps (Training, Deployment, Monitoring, Lifecycle)
- BS/MS in CS, Data Science, Engineering, Math oder verwandtes
