Mexiko
Inetum
Jobgether
AI/ML Engineer
Mexiko
Mexico
PythonAWS
Automatische Übersetzung. Prüfe das Original.
Über die Stelle
Diese Stelle wird im Auftrag eines Partnerunternehmens ausgeschrieben, das alle Bewerbungen und weiteren Schritte verwaltet. Unser Partner sucht einen AI/ML Engineer mit Sitz in Mexiko.
Standortberechtigung: Die Stelle steht Kandidaten mit Sitz in Subsahara-Afrika und Südasien offen. Indien fällt unter die genannten berechtigten Regionen, vorbehaltlich der Standort- und Vertragsanforderungen des Einstellungsteams.
Vertragsgestaltung: Die internationale Einstellung erfolgt auf Vertragsbasis.
Wie Jobgether funktioniert
Wir verwenden einen KI-gestützten Matching-Prozess, um sicherzustellen, dass Ihre Bewerbung schnell, objektiv und fair anhand der Kernanforderungen der Stelle geprüft wird. Unser System identifiziert die am besten geeigneten Kandidaten, und diese Auswahlliste wird dann direkt mit dem einstellenden Unternehmen geteilt. Die endgültige Entscheidung und die nächsten Schritte (Interviews, Assessments) werden von deren internem Team verwaltet.
Wir danken Ihnen für Ihr Interesse und wünschen Ihnen viel Erfolg!
Warum über Jobgether bewerben?
Datenschutzhinweis: Mit dem Einreichen Ihrer Bewerbung bestätigen Sie, dass Jobgether Ihre personenbezogenen Daten verarbeitet, um Ihre Eignung zu bewerten und relevante Informationen mit dem einstellenden Arbeitgeber zu teilen. Diese Verarbeitung basiert auf berechtigtem Interesse und vorvertraglichen Maßnahmen gemäß den geltenden Datenschutzgesetzen (einschließlich DSGVO). Sie können Ihre Rechte (Auskunft, Berichtigung, Löschung, Widerspruch) jederzeit ausüben.
#LI-CL1
Werden Sie Teil eines zweckorientierten Engineering-Teams, das praxisnahe KI-Systeme entwickelt, um reale Herausforderungen in den Bereichen Gesundheitswesen, Landwirtschaft, Bildung und internationale Entwicklung zu bewältigen. Als AI/ML Engineer entwerfen, erstellen, evaluieren, implementieren und verbessern Sie kontinuierlich KI-gestützte Anwendungen, die von gemeinnützigen Organisationen und deren Gemeinschaften genutzt werden. Sie arbeiten an Lösungen, die von klinischen Copiloten und KI-Coaching-Tools bis hin zu landwirtschaftlichen Beratungs-Chatbots und Evaluierungsinfrastrukturen reichen. In Zusammenarbeit mit Verhaltenswissenschaftlern, Forschern und Embedded Engineers übersetzen Sie angewandte KI-Forschung in zuverlässige, skalierbare Produkte und wiederverwendbare technische Ressourcen. Sie unterstützen Partnerorganisationen zudem dabei, ihre eigenen KI-Fähigkeiten durch Mentoring, Open-Source-Beiträge und Wissensaustausch zu stärken. Diese vollständig remote ausgeübte Rolle bietet ein hohes Maß an technischer Eigenverantwortung und die Möglichkeit, fortschrittliche KI-Entwicklung für Initiativen einzusetzen, die das Leben von Millionen Menschen verbessern können.
Verantwortlichkeiten
In dieser Rolle entwickeln und verbessern Sie produktionsreife KI-Systeme und unterstützen gemeinnützige Partner dabei, effektive, messbare und verantwortungsvolle KI-Praktiken einzuführen. Ihre Arbeit kombiniert praktische Entwicklungsarbeit, angewandte Forschung, Experimente und die Zusammenarbeit mit Teams, die direkt vor Ort tätig sind.
- Entwerfen, erstellen, evaluieren, implementieren und verbessern Sie machine learning-Systeme und KI-gestützte Anwendungen für reale Anwendungsfälle.
- Tragen Sie zu Open-Source-KI-Evaluierungsinfrastrukturen und -Tools bei, die gemeinnützigen Organisationen helfen, ihre KI-Produkte zu bewerten und zu verbessern.
- Arbeiten Sie eng mit Verhaltenswissenschaftlern, Forschern und Außendienstteams zusammen, um wiederkehrende Herausforderungen zu identifizieren und Erkenntnisse in wiederverwendbare Tools, Frameworks, Playbooks und technische Publikationen zu übersetzen.
- Entwickeln Sie strenge Evaluierungsmethoden für KI-Systeme, einschließlich geeigneter Datensätze, Bewertungskriterien und messbarer Leistungsverbesserungen.
- Erstellen und iterieren Sie produktionsreife LLM-Anwendungen und agentische Systeme und verbessern Sie deren Zuverlässigkeit, Nützlichkeit und Leistung für die beabsichtigten Nutzer.
- Veröffentlichen Sie bei Bedarf sinnvolle technische Innovationen aus Partnerprojekten als Open-Source-Beiträge.
- Liefern Sie Lösungen durch schnelle Entwicklungs- und Implementierungszyklen, wobei Sie Experimente und messbares Feedback nutzen, um Verbesserungen zu steuern.
- Dokumentieren Sie technische Entscheidungen, halten Sie Engineering-Standards ein und stellen Sie sicher, dass KI-Komponenten zuverlässig und wartbar bleiben.
- Verfolgen Sie Entwicklungen in der angewandten KI-Forschung, bewerten Sie relevante Fortschritte und testen Sie vielversprechende Ansätze in praktischen Umgebungen.
- Beraten und unterstützen Sie gemeinnützige Organisationen bei der Entwicklung von generativen KI-Produkten und helfen Sie ihnen, effektive Engineering-Praktiken, Tools und Workflows einzuführen.
- Betreuen Sie Mitarbeiter von Partnerorganisationen und helfen Sie dabei, deren interne technische Fähigkeiten und verantwortungsvolle KI-Praktiken zu stärken.
- Tragen Sie zu Workshops, Seminaren und Wissensaustausch-Initiativen bei, die Lektionen und Best Practices aus laufenden Projekten vermitteln.
- Führen Sie Vor-Ort-Besuche durch, um betriebliche Herausforderungen zu verstehen, die Nutzung von KI-Tools zu beobachten und technische Verbesserungen basierend auf direkten Nutzerbedürfnissen zu empfehlen.
- Ergreifen Sie die Initiative bei der Identifizierung von Problemen, der Definition von Lösungen und der Steuerung von Projekten bis hin zur Implementierung und Bereitstellung.
Anforderungen
Der ideale Kandidat kombiniert fundierte Grundlagen in machine learning mit umfassender praktischer Erfahrung in der Bereitstellung von KI-Produkten für Endnutzer. Sie sollten sich sicher zwischen Forschung, Experimenten, Produktions-Engineering und der Zusammenarbeit mit nicht-technischen Stakeholdern bewegen können, während Sie stets den praktischen Nutzen im Fokus behalten.
- Starke Grundlagen in Mathematik, deep learning, Large Language Models (LLMs) und modernen KI-Systemen.
- Mindestens 4 Jahre praktische Erfahrung im machine learning-Engineering, einschließlich der Entwicklung, Evaluierung und systematischen Verbesserung von mindestens einem endnutzerorientierten Produkt, das auf deep learning basiert. Erfahrung, die sich auf die Integration von Modell-APIs, den Aufbau interner Dashboards oder die ausschließliche Mitwirkung an ML-Infrastruktur beschränkt, erfüllt diese Anforderung nicht.
- Mindestens 1–2 Jahre Erfahrung in der Entwicklung von LLM-gestützten Anwendungen, einschließlich mindestens eines produktionsreifen Agenten, der über einen Proof of Concept hinausgeht.
- Praktische Erfahrung in der Evaluierung von KI-Systemen mit einem fundierten Verständnis von Datensatzdesign, Evaluierungsmethodik und Leistungsmessung.
- Kenntnisse in Python und die Bereitschaft, tief in die praktische Implementierung involviert zu bleiben.
- Fließende Beherrschung von Prompting und Context Engineering für agentische Systeme, einschließlich der Fähigkeit zu beurteilen, ob ein Problem ein verbessertes Prompting, ein anderes Modell, bessere Tools oder Änderungen an der gesamten Pipeline erfordert.
- Erfahrung in der Nutzung von KI-Coding-Agenten zur Erstellung hochwertiger Arbeit, mit dem Urteilsvermögen und der Verantwortlichkeit, Ergebnisse zu validieren und die Verantwortung für das zu übernehmen, was Sie bereitstellen.
- Fähigkeit, Forschungsarbeiten zu lesen, neue Ideen zu bewerten und relevante Ansätze durch praktische Experimente schnell zu testen.
- Eine experimentelle Denkweise mit der Fähigkeit, sorgfältig über Daten, Modelle und Evaluierung nachzudenken und dabei iterative, messbare Fortschritte zu erzielen.
- Starkes Denken nach dem Prinzip der ersten Prinzipien (First-Principles-Thinking) und die Fähigkeit, praktische, skalierbare Lösungen zu entwerfen.
- Ein nutzerorientierter Ansatz, der priorisiert, ob ein Produkt für die beabsichtigte Zielgruppe effektiv funktioniert.
- Proaktive Eigenverantwortung, Dringlichkeit, Liebe zum Detail und die Fähigkeit, Projekte ohne ständige Anleitung zum Abschluss zu bringen.
- Starke schriftliche und mündliche Kommunikationsfähigkeiten, einschließlich der Fähigkeit, technische Konzepte klar gegenüber nicht-technischen Zielgruppen zu erklären.
- Ein Engagement für verantwortungsvolle KI-Entwicklung und Technologie, die einen bedeutenden sozialen Nutzen bringt.
Zusatzqualifikationen
- Erfahrung mit mehrsprachiger natürlicher Sprachverarbeitung oder Sprachen mit geringen Ressourcen, insbesondere Swahili, Hindi und Sprachen, die in Ostafrika und Südasien gesprochen werden.
- Frühere Tätigkeit im Bereich globale Gesundheit, internationale Entwicklung oder Technologie mit sozialer Wirkung.
- Vertrautheit mit Verhaltenswissenschaften oder KI-Anwendungen, die zur Unterstützung von Verhaltensänderungen entwickelt wurden.
- Erfahrung mit Daten-Annotation-Pipelines und LLM-Evaluierungsmethoden.
- Wissen über KI-Sicherheit, Alignment oder Frameworks für verantwortungsvolle KI.
- Erfahrung in der Bereitstellung von Modellen in der Produktion und der Arbeit mit Cloud-Infrastrukturen wie AWS, Google Cloud Platform oder Azure.
- Publikationen auf führenden KI-Konferenzen oder umfangreiche technische Texte, die technische Forschung und Ergebnisse dokumentieren.
Vorteile
Vergütung: Wettbewerbsfähig innerhalb des zweckorientierten Technologiesektors, wobei die Vergütung unter den typischen Gehaltsniveaus großer Technologieunternehmen liegt.
Remote-Arbeit: Vollständig remote, asynchron-orientierte Arbeitsumgebung.
Flexibler Zeitplan: Die Arbeitszeiten können an Ihre Zeitzone angepasst werden, ohne vorgeschriebene Kernarbeitszeiten.
Internationale Zusammenarbeit: Werden Sie Teil eines global verteilten Teams, das in Nordamerika, Europa, Ostafrika, Ostasien und Südasien arbeitet.
Sinnvolle Wirkung: Entwickeln Sie KI-Anwendungen, die praktische Herausforderungen im Gesundheitswesen, in der Landwirtschaft und in anderen Bereichen der internationalen Entwicklung angehen.
Technische Eigenverantwortung: Übernehmen Sie Projekte von der ersten Problemdefinition und Modellauswahl bis hin zur Bereitstellung, Evaluierung und kontinuierlichen Verbesserung.
Interdisziplinäre Zusammenarbeit: Arbeiten Sie an der Seite von Verhaltenswissenschaftlern, Entwicklungsökonomen, Feldforschern und Embedded Engineers.
Open-Source-Beiträge: Teilen Sie technische Innovationen, Tools und Erkenntnisse mit der breiteren Gemeinschaft, anstatt die gesamte Arbeit in proprietären Produkten zu halten.
Berufliche Entwicklung: Bleiben Sie nah an der angewandten KI-Forschung und sammeln Sie Erfahrung bei der Lösung anspruchsvoller Probleme in realen operativen Umgebungen.
Autonomie und Verantwortung: Tragen Sie innerhalb eines kleinen Teams mit minimaler Hierarchie, direktem Feedback und Möglichkeiten zur Beeinflussung technischer Entscheidungen bei.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen