Auf einen Blick
AI Senior Engineer (Vision) für Applied AI-Initiativen in Lateinamerika. Du wirst Vision-Language Models und PDF Processing mit LLM-Orchestration kombinieren, um komplexe Finanz- und Legal-Dokumente zu verarbeiten.
💰 $120.000–170.000/Jahr
📊 Senior
🕒 Vollzeit
🌍 Remote
🗺️ Americas
- LangChain/LangGraph Expertise (Must Have)
- Multimodal AI Erfahrung
- Document Intelligence
- PDF Processing
LangChain
LangGraph
Vision-Language Models
PyMuPDF
Prompt Engineering
Python
PyTorch
✅ Geeignet für
- AI-Ingenieure mit Document Intelligence und Vision Model Erfahrung
- Python-Entwickler mit Applied ML Background
🚫 Weniger geeignet
- Pure Data Scientists ohne Production Engineering Experience
- Frontend/Backend Engineers ohne LLM-Erfahrung
💡 Gut zu wissen
- Position ist 100% Remote in LatAm
- LangChain oder LangGraph ist ein Must-Have Requirement
- Fine-Tuning Experience ist ein Nice-to-Have
Über das Unternehmen
Able ist seit 2012 ein Engineering- und Product-Hub, der für Early-Stage-Startups Produkte baut. Das Team definiert sich jetzt durch Applied AI. Able wird ein AI-native Organisation und sucht Ingenieure, die an der Schnittstelle von Computer Vision und Logic arbeiten möchten.
Deine Aufgaben
- Pipelines bauen, die komplexe Dokumente "lesen" können, Layout, Charts und visuellen Kontext verstehen unter Verwendung von Vision-Language Models (GPT-4V, Claude 3.5) und Layout Analysis
- Anwendungslogik Layer ownen. LangChain oder LangGraph verwenden, um Agents und Chains zu bauen, die Data abfragen, darüber nachdenken und Responses generieren
- Messy PDF Processing handhaben (PyMuPDF, Layout Parsing) um Struktur zu erhalten bevor AI sie sieht
- Komplexe Prompts und Control Flows craften um sicherzustellen, dass Models Financial Charts und Layouts genau interpretieren ohne zu halluzinieren
- Cost Optimization anwenden (Batch Processing, Model Selection) um Vision und Orchestration Layers wirtschaftlich nachhaltig zu machen
Deine Voraussetzungen
- LLM Orchestration (Must Have): Tiefe Erfahrung mit LangChain, LangGraph oder ähnlichen Frameworks
- Multimodal AI Erfahrung: Hands-on Integration von State-of-the-Art Vision Models (GPT-4V, Claude 3.5 Sonnet) und Embedding Models (CLIP)
- Document Intelligence: Vertrautheit mit specialized Models (Donut, Pix2Struct) und Tools wie Unstructured.io oder Docling
- PDF Processing Mastery: Expertise mit PyMuPDF oder pdfplumber
- Python ML Stack: Starke Proficiency in PyTorch oder TensorFlow
- Starke verbale und schriftliche Englischkommunikation erforderlich