Portugal
Mindrift
Pavago
Full-Stack AI Engineer
RemotePortugal
Portugal
JavaScriptTypeScriptPythonReactNode.jsSQLAWSGCPDockerKubernetes
Automatische Übersetzung. Prüfe das Original.
Über die Rolle
Job Title: Full-Stack AI Engineer
Position Type: Full-Time, Remote
Working Hours: U.S. client business hours (with flexibility for deployments, experimentation cycles, and sprint schedules)
Unser Kunde sucht einen hochqualifizierten Full-Stack AI Engineer, der skalierbare KI-gestützte Anwendungen entwirft, entwickelt und implementiert, die reale Geschäftsprobleme lösen.
Diese Rolle verbindet Software Engineering mit angewandtem Machine Learning, indem sie Front-End-Entwicklung, Back-End-Systeme, KI-Modellintegration und Cloud-Infrastruktur zu produktionsreifen Anwendungen kombiniert. Sie werden den gesamten Produktlebenszyklus durchlaufen – von der Experimentierung und Prototypenerstellung bis hin zur Implementierung, Optimierung und Überwachung.
Der ideale Kandidat ist sowohl technisch versiert als auch auf die Ausführung fokussiert und in der Lage, KI-gesteuerte Systeme zu entwickeln, die skalierbar, zuverlässig, performant und benutzerfreundlich sind.
Aufgaben: KI-Modellintegration & LLM-Systeme
- Bereitstellung und Integration von vortrainierten und feinabgestimmten ML / LLM-Modellen unter Verwendung von OpenAI, Hugging Face, TensorFlow, PyTorch oder ähnlichen Frameworks
- Erstellung skalierbarer KI-Inferenz-APIs unter Verwendung von FastAPI, Flask, Node.js oder ähnlichen Technologien
- Implementierung von Retrieval-Augmented Generation (RAG)-Pipelines unter Verwendung von Vektordatenbanken wie Pinecone, Weaviate, Chroma oder FAISS
- Optimierung von Prompt Engineering, Embeddings und KI-Workflows für Leistung, Genauigkeit und Kosteneffizienz
Full-Stack-Anwendungsentwicklung
- Erstellung reaktionsschneller Front-End-Anwendungen unter Verwendung von React, Next.js, Vue oder ähnlichen Frameworks
- Entwicklung von Back-End-Diensten und APIs, die KI-Systeme mit Geschäftsworkflows und benutzerorientierten Anwendungen verbinden
- Entwurf skalierbarer Architekturen für Chatbots, KI-Assistenten, Analyse-Dashboards, Suchsysteme und Workflow-Automatisierungstools
- Sicherstellung, dass Anwendungen intuitiv, sicher, reaktionsschnell und produktionsreif sind
Daten-Engineering & Pipeline-Entwicklung
- Erstellung von ETL/ELT-Pipelines für die Aufnahme, Bereinigung, Transformation und Verarbeitung von strukturierten und unstrukturierten Datensätzen
- Automatisierung von Datenvorverarbeitung, Versionierung, Kennzeichnung und Pipeline-Orchestrierung unter Verwendung von Airflow, Prefect, Dagster oder ähnlichen Tools
- Speicherung und Verwaltung von Datensätzen in Cloud-Warehouses wie Snowflake, BigQuery oder Redshift
- Aufrechterhaltung zuverlässiger Datenflüsse zur Unterstützung von Training, Inferenz, Analysen und KI-Betrieb
Infrastruktur, Bereitstellung & MLOps
- Containerisierung von KI-Diensten mit Docker und Bereitstellung von Workloads auf Kubernetes oder Cloud-nativen Umgebungen
- Erstellung und Wartung von CI/CD-Pipelines für KI-Modellaktualisierungen und Anwendungsreleases
- Überwachung von Inferenzlatenz, Anwendungsleistung, Kosten und Modelldrift unter Verwendung von MLflow, Weights & Biases, Prometheus oder benutzerdefinierten Dashboards
- Unterstützung skalierbarer und zuverlässiger Cloud-Infrastruktur auf AWS, GCP oder Azure
Sicherheit & Compliance
- Sicherstellung der Konformität von KI-Systemen mit GDPR, HIPAA, SOC 2 oder relevanten Datenschutz-/Sicherheitsstandards
- Implementierung von Authentifizierung, Zugriffskontrolle, Ratenbegrenzung und sicheren API-Praktiken
- Schutz von Benutzerdaten und KI-Workflows unter Verwendung moderner Sicherheitsstandards und Best Practices
Zusammenarbeit & Produktentwicklung
- Zusammenarbeit mit Produktmanagern, Designern und Data Scientists zur Priorisierung wirkungsvoller KI-Funktionen
- Überführung von Prototypen in produktionsreife Systeme mit skalierbarer Architektur und wartbarem Code
- Teilnahme an Sprint-Planungen, Architekturdiskussionen, Code-Reviews und technischer Dokumentation
- Pflege klarer Dokumentation zur Unterstützung von Reproduzierbarkeit, Onboarding und langfristiger Wartbarkeit
Was Sie zu einem perfekten Kandidaten macht
- Starker Softwareentwickler mit tiefer Neugier auf KI/ML-Systeme und aufkommende Technologien
- Fähigkeit, schnell von Prototypen zur produktionsreifen Bereitstellung zu wechseln
- Analytisch und lösungsorientiert mit starken Debugging- und Optimierungsfähigkeiten
- Fähigkeit, Leistung, Skalierbarkeit, Benutzerfreundlichkeit und Betriebskosten auszubalancieren
- Kollaborativer Kommunikator, der effektiv mit technischen und nicht-technischen Teams zusammenarbeitet
Erforderliche Erfahrung & Fähigkeiten
- 3+ Jahre professionelle Software-Engineering-Erfahrung mit KI/ML-Bezug
- Starke Kenntnisse in Python und JavaScript/TypeScript
- Erfahrung mit KI/ML-Frameworks wie PyTorch, TensorFlow, LangChain oder Hugging Face
- Erfahrung in der Bereitstellung von KI- oder ML-Modellen in Produktionssystemen
- Starke Front-End-Erfahrung mit React, Next.js oder Vue
- Starke SQL-Kenntnisse und Erfahrung mit Cloud-Datenbanken
- Vertrautheit mit REST APIs, Microservices und verteilten Systemen
- Erfahrung mit Docker, CI/CD-Workflows und Cloud-Infrastruktur
Bevorzugte Erfahrung & Fähigkeiten
- Erfahrung im Aufbau und der Skalierung von KI-gestützten SaaS-Anwendungen
- Starkes Verständnis von Embeddings, Vektordatenbanken und RAG-Architekturen
- Erfahrung mit LLM-Feinabstimmung, -Bewertung und Prompt-Optimierung
- Vertrautheit mit MLOps-Tools wie MLflow, Kubeflow, Vertex AI, SageMaker oder Weights & Biases
- Erfahrung mit Serverless-Architekturen und kosteneffizienten Inferenzsystemen
- Hintergrund in SaaS, Automatisierungsplattformen, Analysesystemen oder KI-gesteuerten Produkten
Wie sieht ein typischer Tag aus?
Ein Tag eines Full-Stack AI Engineers dreht sich darum, KI-Fähigkeiten in skalierbare, produktionsreife Anwendungen zu verwandeln. Sie werden:
- KI-Modell-APIs auf Latenz, Genauigkeit und Zuverlässigkeit überprüfen und optimieren
- Front-End-Schnittstellen erstellen, die KI-gesteuerte Funktionalität für Endbenutzer bereitstellen
- Datenpipelines pflegen und verbessern, die KI-Systeme und Analysen unterstützen
- Updates über CI/CD-Workflows bereitstellen und die Produktionsleistung überwachen
- Mit Produkt- und Data-Science-Teams über die Priorisierung von KI-Funktionen zusammenarbeiten
- Infrastruktur-, Inferenz- oder Workflow-Probleme debuggen, die die Systemleistung beeinträchtigen
- Architekturen, Workflows und Bereitstellungsprozesse zur Wartbarkeit und Skalierung dokumentieren
Kurz gesagt: Sie stellen sicher, dass KI-Systeme über Prototypen hinaus in sichere, skalierbare, zuverlässige und wirkungsvolle Produktionsanwendungen übergehen.
Erfolgsmetriken (KPIs)
- Erfolgreiche Bereitstellung von KI-Funktionen im Einklang mit Sprint-Zeitplänen
- Anwendungs-Uptime ≥ 99.9%
- Inferenzlatenz unterhalb der Zielschwellenwerte gehalten
- Reduzierung manueller Workflows durch KI-Automatisierung
- Stabile Modellleistung und minimierte Drift oder Verschlechterung
- Positive Akzeptanz und Nutzung von KI-gestützten Funktionen
- Skalierbare, wartbare und kosteneffiziente KI-Infrastruktur
Interviewprozess
- Erstes Telefon-Screening
- Video-Interview mit Pavago Recruiter
- Technisches Assessment (z. B. Bereitstellung eines ML-Modells mit API + Front-End-Integration)
- Kunden-Interview(s) mit Engineering / Produktteams
- Angebot & Hintergrundüberprüfung
#AIEngineer #FullStackDeveloper #MachineLearning #LLM #ArtificialIntelligence #ReactJS #Python #OpenAI #LangChain #RAG #MLOps #RemoteJobs #SoftwareEngineering #AIJobs #NextJS #CloudEngineering
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
