Auf einen Blick
Entwickle KI-gestützte ML-Plattformen mit Python, FastAPI und LLMs. Verantwortlich für RAG-Systeme, MLOps und die Bereitstellung von generativen KI-Lösungen bei Azure OpenAI-Integration.
💰 ~$110.000–150.000/Jahr (geschätzt)
📊 Senior
🕒 Vollzeit
🌍 Remote
🗺️ Americas
- 7+ Jahre Python
- 2+ Jahre productives ML/LLM
- FastAPI Backend Expertise
- RAG Architecture
Python
FastAPI
Machine Learning
LLM
RAG
LangChain
Azure OpenAI
Vector Databases
Gehalt geschätzt anhand Senior ML Engineer Remote Argentinien mit LLM und RAG Expertise. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- ML Engineers mit produktiver LLM-Erfahrung
- Senior Python Entwickler mit AI/ML Hintergrund
- Full-Stack ML Engineers mit DevOps-Interesse
🚫 Weniger geeignet
- Data Scientists ohne Backend-Coding-Erfahrung
- Python Entwickler ohne ML-Hintergrund
💡 Gut zu wissen
- RAG ist nicht optional - tiefe Expertise in Retrieval-Augmented Generation erforderlich
- LLMs sind schnell im Wandel - Bereitschaft zur ständigen Aktualisierung notwendig
- Azure OpenAI ist spezifisch - nicht nur generische LLM-Erfahrung
Über das Unternehmen
Unser Kunde entwickelt eine KI-gestützte Plattform zur Entscheidungsunterstützung mit fortgeschrittener Analytik und Machine Learning. Die Plattform wird in verschiedenen Branchen, einschließlich Healthcare, eingesetzt.
Deine Aufgaben
- Aufbau und Verfeinerung von ML-Engineering-Plattformen
- Entwicklung und Umsetzung skalierbarer Backend-Systeme mit FastAPI
- Implementierung von MLOps mit Modell-KPI-Messung und Drift-Erkennung
- Bereitstellung und Operationalisierung von ML und Deep Learning Modellen
- Integration von Azure OpenAI mit Retry-Logik und Error Handling
- Skalierung von Machine Learning Algorithmen für massive Datensätze
- Implementierung von Celery-Workflows für asynchrone Taskverarbeitung
Deine Voraussetzungen
- 7+ Jahre starke Python-Codierungsfähigkeiten
- 2+ Jahre Hands-On-Erfahrung mit Machine Learning und produktiven LLM-Systemen
- 3+ Jahre Erfahrung mit FastAPI Backend-APIs
- Erfahrung mit Vector Databases (Pinecone, Weaviate, Chroma)
- Tiefes Verständnis von RAG-Architekturen
- Hands-On-Erfahrung mit LangChain und LangGraph
- Erfahrung mit MLflow und Model Serving
- Vertrautheit mit Hugging Face erforderlich
