ML Engineer - II

Bengaluru | Karnataka | India • On-site • Mid-level • 05.10.2026
Machine Learning Engineer Data Science ki
Auf einen Blick

Production ML Engineer für LLM und RAG Systeme in Indien. Für 3+ Jahre ML-Engineers mit Generative AI und LangChain/LangGraph Expertise.

💰 INR 2.000.000–3.500.000/Jahr 📊 Mid-Level 🕒 Vollzeit 🌍 Vor Ort 🗺️ EMEA
  • 3+ Jahre Machine Learning
  • Python Profizenz
  • LLM/RAG Experience
  • Production Deployment
Python RAG Vector Search LangChain Machine Learning

Angegeben: INR 2.000.000–3.500.000/Jahr · Marktschätzung: ~$24.000–42.000/Jahr.

✅ Geeignet für
  • ML Engineer mit LLM-Erfahrung
  • Generative AI Spezialisten
  • RAG Pipeline Entwickler
🚫 Weniger geeignet
  • Klassische ML ohne Generative AI
  • Junior unter 3 Jahren
  • Ohne Production Deployment Experience
💡 Gut zu wissen
  • LLM/RAG ist Fokus (klassische ML sekundär)
  • LangChain/LangGraph Plus
  • Production Systems Erfahrung essentiell
  • Bengaluru-Basis

Über das Unternehmen

Unternehmen mit Fokus auf Production-Grade Machine Learning und Generative AI Systeme.

Deine Aufgaben

  • Design und Ownership von Production ML/AI Systemen End-to-End
  • LLM-Powered Applications (RAG Pipelines, Conversational AI, Agentic Workflows)
  • Retrieval Systems mit Embeddings und Vector Search
  • Personalisierung, Memory, Recommendations und User Intelligence
  • LLM Orchestration Workflows Design
  • AI System Evaluation Frameworks entwickeln
  • Production Performance, Scalability, Response Quality Optimization
  • API und Production Service Development
  • Scalable ML/AI Architecture Design
  • Monitoring, Evaluation, Debugging und Continuous Improvement

Deine Voraussetzungen

  • 3+ Jahre Machine Learning, Applied ML, NLP oder Generative AI Erfahrung
  • Strong Python mit Software Engineering Fundamentals
  • Hands-on LLM, RAG, Embeddings oder Conversational AI Experience
  • Production ML/AI System Deployment Experience
  • ML Fundamentals und Model Evaluation
  • System Design und Cloud Development
  • LLM Application Optimization für Quality, Latency, Cost
  • Retrieval Pipelines und Prompt Engineering Understanding