Używamy techniczne pliki cookie i zanonimizowany dziennik wizyt Zorky. Yandex Metrica (dane są przechowywane na serwerach w Rosji) działa tylko za Twoją zgodą. Nigdy nie sprzedajemy danych. Więcej o cookies i statystykach.
Zorky działa w trybie testowym — wszystko jest bezpłatne. Oferty i strony firm są dostępne dla wszystkich; linki do ogłoszeń i osobiste zestawienie ofert — po rejestracji. Zarejestruj się →
← Wszystkie oferty

AI Engineer

MiddleremoteBerlin, PL5 tydz. temu
Stack
DocumentationUse CasesArtificial Intelligence (AI)TestingMicrosoft DynamicsMachine Learning (ML)Microsoft AzureGxP (Good anything Practice)Amazon Web Services (AWS)Deploymentazuredatabricks
Szczegóły
Doświadczenie
od 2 lat
Pokaż firmę i link
Bezpłatnie, po zalogowaniu.
Aplikuj
Odkryj firmę i link powyżej — Twoja aplikacja trafia prosto do systemu rekrutacyjnego firmy, bez pośredników.

Opis

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.

O stanowisku

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 .

Obowiązki

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

Pełny opis, firma i link do aplikacji — po zalogowaniu. Zaloguj się
Kontakty pracodawcy (e-mail/telefon/Telegram) są ukryte w publicznym podglądzie.
Pilne pytanie? Napisz @termdocs