Usiamo cookie tecnici e il registro anonimo delle visite di Zorky. Yandex Metrica (dati conservati su server in Russia) funziona solo con il tuo consenso. Non vendiamo mai dati. Ulteriori informazioni su cookie e statistiche.
Zorky è in modalità test: è tutto gratuito. Le offerte e le pagine delle aziende sono aperte a tutti; i link agli annunci e la tua selezione personale si aprono dopo la registrazione. Registrati →
← Tutte le offerte

AI Engineer

MiddleremoteBerlin, PL5 sett. fa
Stack
DocumentationUse CasesArtificial Intelligence (AI)TestingMicrosoft DynamicsMachine Learning (ML)Microsoft AzureGxP (Good anything Practice)Amazon Web Services (AWS)Deploymentazuredatabricks
Dettagli
Experience
2+ years
Mostra azienda e link
Gratis, dopo l'accesso.
Candidati
Apri l'azienda e il link qui sopra: la candidatura arriva direttamente nel sistema di selezione dell'azienda, senza intermediari.

Descrizione

B2B contract , full-time, 12 months + extensions Working model: 100% remote We are looking for an experienced AI Engineer to design, build, validate and maintain production-grade LLM-based solutions for clinical and life-sciences use cases.

Informazioni sul ruolo

The role

combines hands-on GenAI engineering with strong Databricks, M

Lflow, LLM observability and GxP validation practices. You will work on AI solutions that require not only strong technical performance, but also traceability, reproducibility, documentation, controlled releases and audit readiness .

Responsabilità

Your responsibilities

Designing, developing, validating and maintaining LLM-based solutions for clinical and life-sciences use cases. Building prompt workflows, RAG solutions, tool integrations, guardrails and human-in-the-loop mechanisms. Designing and maintaining knowledge graphs and graph-based AI solutions using technologies such as Neo4j.

Building controlled end-to-end AI pipelines in Databricks . Supporting data ingestion, preparation, model integration, evaluation, deployment and monitoring. Integrating AI solutions with M

Lflow to capture: model and prompt versions, parameters, datasets, evaluation results, approvals, lineage, deployment records, associated technical artifacts. Using Langfuse for LLM observability, tracing and performance monitoring. Investigating unexpected model behaviour and supporting root cause analysis.

Establishing end-to-end traceability across requirements, data, prompts, models, tests, approvals, releases an

Descrizione completa, azienda e link per candidarti: dopo l'accesso. Accedi
I contatti del datore di lavoro (email/telefono/telegram) sono nascosti nell'anteprima pubblica.
Domanda urgente? Scrivi a @termdocs