Portugal
Sonae MC
Jobgether
AI/ML Engineer
Portugal
Portugal
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 Portugal.
- Standortberechtigung: Die Stelle steht Kandidaten offen, die in Subsahara-Afrika und Südasien ansässig sind. 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 nutzen 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 Shortlist wird direkt an das einstellende Unternehmen weitergegeben. 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 Absenden Ihrer Bewerbung bestätigen Sie, dass Jobgether Ihre personenbezogenen Daten verarbeitet, um Ihre Eignung zu bewerten und relevante Informationen an den einstellenden Arbeitgeber weiterzugeben. 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, fortschrittliches KI-Engineering für Initiativen einzusetzen, die das Leben von Millionen Menschen verbessern können.
Verantwortlichkeiten
In dieser Rolle entwickeln und verbessern Sie produktionsreife KI-Systeme und unterstützen gleichzeitig gemeinnützige Partner bei der Einführung effektiver, messbarer und verantwortungsvoller KI-Praktiken. Ihre Arbeit kombiniert praktische Engineering-Tätigkeiten, angewandte Forschung, Experimente und die Zusammenarbeit mit Teams, die direkt vor Ort tätig sind.
- Entwurf, Erstellung, Evaluierung, Implementierung und Verbesserung von machine learning-Systemen und KI-gestützten Anwendungen für reale Anwendungsfälle.
- Beitrag zu Open-Source-KI-Evaluierungsinfrastrukturen und Tools, die gemeinnützigen Organisationen helfen, ihre KI-Produkte zu bewerten und zu verbessern.
- Enge Zusammenarbeit mit Verhaltenswissenschaftlern, Forschern und Teams vor Ort, um wiederkehrende Herausforderungen zu identifizieren und Erkenntnisse in wiederverwendbare Tools, Frameworks, Playbooks und technische Publikationen zu übersetzen.
- Entwicklung strenger Evaluierungsmethoden für KI-Systeme, einschließlich geeigneter Datensätze, Evaluierungskriterien und messbarer Leistungsverbesserungen.
- Aufbau und iterative Weiterentwicklung von produktionsreifen LLM-Anwendungen und agentenbasierten Systemen, um deren Zuverlässigkeit, Nutzen und Leistung für die Zielanwender zu verbessern.
- Veröffentlichung bedeutender technischer Innovationen aus Partnerprojekten als Open-Source-Beiträge, wann immer dies angemessen ist.
- Bereitstellung von Lösungen durch schnelle Entwicklungs- und Implementierungszyklen unter Nutzung von Experimenten und messbarem Feedback zur Steuerung von Verbesserungen.
- Dokumentation technischer Entscheidungen, Einhaltung von Engineering-Standards und Sicherstellung, dass KI-Komponenten zuverlässig und wartbar bleiben.
- Beobachtung der Entwicklungen in der angewandten KI-Forschung, Bewertung relevanter Fortschritte und Erprobung vielversprechender Ansätze in praktischen Umgebungen.
- Beratung und Unterstützung von gemeinnützigen Organisationen bei der Entwicklung von generativen KI-Produkten, um ihnen bei der Einführung effektiver Engineering-Praktiken, Tools und Workflows zu helfen.
- Mentoring für Mitarbeiter von Partnerorganisationen und Stärkung ihrer internen technischen Fähigkeiten sowie ihrer verantwortungsvollen KI-Praktiken.
- Beitrag zu Workshops, Seminaren und Wissensaustausch-Initiativen, um Erkenntnisse und Best Practices aus laufenden Projekten zu kommunizieren.
- Durchführung von Vor-Ort-Besuchen, um operative Herausforderungen zu verstehen, die Nutzung von KI-Tools zu beobachten und technische Verbesserungen basierend auf direkten Nutzerbedürfnissen zu empfehlen.
- Eigeninitiative 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 Endanwender. 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 für Endanwender bestimmten Produkt, das auf deep learning basiert. Erfahrung, die sich auf die Integration von Modell-APIs, den Aufbau interner Dashboards oder die ausschließliche Arbeit 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.
- Beherrschung von Python und die Bereitschaft, tief in die praktische Implementierung involviert zu bleiben.
- Fließende Beherrschung von Prompting und Context Engineering für agentenbasierte Systeme, einschließlich der Fähigkeit zu beurteilen, ob ein Problem durch verbessertes Prompting, ein anderes Modell, bessere Tools oder Änderungen an der gesamten Pipeline gelöst werden muss.
- Erfahrung in der Nutzung von KI-Coding-Agenten zur Erstellung qualitativ 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 First Principles 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 bis zum Abschluss zu führen.
- Starke schriftliche und mündliche Kommunikationsfähigkeiten, einschließlich der Fähigkeit, technische Konzepte gegenüber nicht-technischem Publikum klar 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 Datenannotations-Pipelines und LLM-Evaluierungsmethoden.
- Kenntnisse in den Bereichen 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 Tech-Unternehmen 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: Begleiten Sie Projekte von der ersten Problemdefinition und Modellauswahl bis hin zur Bereitstellung, Evaluierung und kontinuierlichen Verbesserung.
- Interdisziplinäre Zusammenarbeit: Arbeiten Sie mit Verhaltenswissenschaftlern, Entwicklungsökonomen, Feldforschern und Embedded Engineers zusammen.
- Open-Source-Beiträge: Teilen Sie technische Innovationen, Tools und Erkenntnisse mit der breiteren Community, 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