Auf einen Blick
- Aufgaben: Entwickle KI-Anwendungen und verbessere die Qualität von Conversational Experiences.
- Unternehmen: Innovatives Unternehmen im Bereich KI mit einem Fokus auf Zusammenarbeit.
- Vorteile: Attraktives Gehalt, Gesundheitsleistungen und Möglichkeiten zur beruflichen Weiterentwicklung.
- Weitere Informationen: Dynamisches Umfeld mit großartigen Wachstumschancen.
- Warum dieser Job: Gestalte die Zukunft der KI und mache einen echten Unterschied in der Kundeninteraktion.
- Qualifikationen: Erfahrung in maschinellem Lernen und starke Kommunikationsfähigkeiten.
Das prognostizierte Gehalt liegt zwischen 75000 - 95000 € pro Jahr.
Anforderungen
- Sie haben praktische Erfahrung mit retrieval-augmentierten Systemen, Suche, Ranking oder wissensbasierten KI-Anwendungen und verstehen, was qualitativ hochwertige fundierte Antworten antreibt.
- Sie haben in wissensintensiven oder politikbeschränkten Bereichen gearbeitet, in denen Korrektheit, Konsistenz und Vertrauen wichtig sind.
- Sie haben Erfahrung im Aufbau von Feedbackschleifen aus Benutzerverhalten, QA-Signalen, Annotationen oder betrieblichen Ergebnissen zur Verbesserung von Systemen.
- Sie können sowohl strategisch als auch praktisch arbeiten: langfristige Richtungen definieren und gleichzeitig in Daten, Experimente und Fehleranalysen eintauchen.
- Sie verfügen über starke Kommunikations- und Stakeholder-Management-Fähigkeiten und können Ingenieurwesen, Produkt und Betrieb um Qualitätsstrategien und -kompromisse herum ausrichten.
- Erfahrung mit LLM-basierten Pipelines oder agentischen KI-Systemen ist ein großer Vorteil, insbesondere in Bereichen wie Werkzeugnutzung, Routing, Gedächtnis, mehrstufiges Denken oder Mensch-KI-Orchestrierung.
Was die Stelle beinhaltet
- Als Staff Machine Learning Engineer werden Sie an der Schnittstelle von fortschrittlicher KI, Wissenssystemen und Bolts Produktionsunterstützungsökosystem arbeiten und die technische Richtung festlegen, wie wir die Qualität von KI in konversationellen Erfahrungen messen, verbessern und skalieren.
- Sie helfen sicherzustellen, dass unsere Systeme genau, hilfreich, fundiert und auf die Bedürfnisse von Unternehmen und Kunden abgestimmt sind.
- Dies ist eine hochwirksame, umfangreiche Rolle, in der Sie die Qualitäts- und Lernstrategie hinter unseren KI-Systemen definieren, eng mit Ingenieuren, Produkt, Betrieb und Fachexperten zusammenarbeiten und reale Support-Interaktionen in nachhaltige Verbesserungen über Modelle, Retrieval und Workflows umwandeln.
- Sie arbeiten eng mit Ingenieuren und funktionsübergreifenden Partnern zusammen, um Bolts KI-Automatisierungsstack aufzubauen und sicherzustellen, dass unsere Systeme nicht nur skalierbar und zuverlässig, sondern auch fundiert, abgestimmt und kontinuierlich in der Produktion verbessert werden.
- Leiten Sie die Ausrichtung des Verhaltens des Customer Support KI-Systems an Bolts Unternehmenszielen, Standards für Kundenerfahrungen und politischen Anforderungen, um die Antwortqualität, Konsistenz, Fundierung und Eskalationsverhalten zu verbessern.
- Bauen und skalieren Sie Wissensabbau-Fähigkeiten, die Gespräche, Support-Tickets, Workflows, Richtlinien und Betriebsdaten in wiederverwendbare Wissensressourcen und Verbesserungssignale umwandeln.
- Besitzen Sie die Evaluierungsstrategie für LLM-gestützte Kundensupportsysteme, einschließlich Offline-Benchmarks, goldenen Datensätzen, menschlichen Überprüfungsworkflows, Online-Experimenten und Produktionsqualitätsmetriken.
- Entwickeln Sie Feedbackschleifen, die Produktionsfehler und menschliche Korrekturen mit Eingabeaufforderungen, Retrieval, Benchmarks und Modellverhalten verbinden, um eine kontinuierliche Verbesserung der Automatisierungsqualität zu ermöglichen.
- Arbeiten Sie eng mit Ingenieuren zusammen, die an der Infrastruktur von KI-Anwendungen arbeiten, und bringen Sie ML-Expertise in Bereiche wie Werkzeugnutzungsqualität, Routingverhalten, Gedächtnisqualität und mehrstufige Aufgabenleistung ein.
- Beeinflussen Sie den Fahrplan und die technische Richtung über Teams hinweg, indem Sie Klarheit über Kompromisse im Modellverhalten, die Qualität des Retrievals, Experimente und geschäftliche Auswirkungen schaffen.
Staff Machine Learning Engineer (AI Applications) Arbeitgeber: BOLT
Bolt ist ein hervorragender Arbeitgeber, der seinen Mitarbeitern die Möglichkeit bietet, an der Spitze der KI-Technologie zu arbeiten und dabei einen echten Einfluss auf die Qualität von Kundeninteraktionen zu haben. Mit einem dynamischen Arbeitsumfeld, das Innovation und Zusammenarbeit fördert, sowie umfangreichen Möglichkeiten zur beruflichen Weiterentwicklung, ist Bolt der ideale Ort für Fachkräfte, die ihre Fähigkeiten in einem bedeutungsvollen und unterstützenden Umfeld weiterentwickeln möchten.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Staff Machine Learning Engineer (AI Applications) erhalten könnten
✨Tipp Nummer 1
Netzwerken ist der Schlüssel! Nutze Plattformen wie LinkedIn, um mit Leuten aus der Branche in Kontakt zu treten. Frag nach informellen Gesprächen oder Mentoring – oft sind die besten Jobchancen nicht ausgeschrieben!
✨Tipp Nummer 2
Bereite dich auf technische Interviews vor, indem du deine Kenntnisse über Retrieval-Augmented Systeme und LLM-basierte Pipelines auffrischst. Mach dir Notizen zu deinen bisherigen Projekten und sei bereit, diese im Detail zu erklären.
✨Tipp Nummer 3
Zeige deine Leidenschaft für AI-Anwendungen! Teile deine Gedanken und Ideen zu aktuellen Trends in der KI auf sozialen Medien oder in Blogs. Das zeigt dein Engagement und kann potenzielle Arbeitgeber anziehen.
✨Tipp Nummer 4
Bewirb dich direkt über unsere Website! So hast du die besten Chancen, gesehen zu werden. Und vergiss nicht, deine Bewerbung individuell anzupassen, um zu zeigen, dass du die Anforderungen der Stelle wirklich verstehst.
Wir glauben, dass du diese Fähigkeiten brauchst, um Staff Machine Learning Engineer (AI Applications) mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Sei authentisch!:Zeig uns, wer du wirklich bist! Deine Persönlichkeit und Leidenschaft für Machine Learning sollten in deiner Bewerbung rüberkommen. Lass uns wissen, warum du dich für diese Rolle interessierst und was dich motiviert.
Betone deine Erfahrungen:Erzähl uns von deinen bisherigen Projekten und Erfahrungen im Bereich KI-Anwendungen. Konzentriere dich auf konkrete Beispiele, die zeigen, wie du mit retrieval-augmented Systemen oder LLM-basierten Pipelines gearbeitet hast. Das macht deine Bewerbung greifbarer!
Klarheit ist der Schlüssel:Achte darauf, dass deine Bewerbung klar und strukturiert ist. Verwende einfache Sprache und vermeide Fachjargon, wenn es nicht nötig ist. Wir wollen schnell verstehen, was du kannst und wie du uns helfen kannst, unsere Ziele zu erreichen.
Bewirb dich über unsere Website:Vergiss nicht, dich direkt über unsere Website zu bewerben! So stellst du sicher, dass deine Bewerbung an die richtige Stelle gelangt und wir sie schnell bearbeiten können. Wir freuen uns darauf, von dir zu hören!
Wie man sich auf ein Vorstellungsgespräch bei BOLT vorbereitet
✨Verstehe die Anforderungen
Mach dich mit den spezifischen Anforderungen der Stelle vertraut. Du solltest genau wissen, was retrieval-augmentierte Systeme sind und wie sie funktionieren. Bereite Beispiele aus deiner bisherigen Erfahrung vor, die zeigen, wie du in wissensintensiven oder policy-konformen Bereichen gearbeitet hast.
✨Bereite konkrete Beispiele vor
Denke an konkrete Situationen, in denen du Feedback-Schleifen implementiert hast oder wie du Benutzerverhalten analysiert hast, um Systemverbesserungen zu erzielen. Diese Beispiele helfen dir, deine praktischen Fähigkeiten zu demonstrieren und zeigen, dass du sowohl strategisch als auch hands-on arbeiten kannst.
✨Kommunikation ist der Schlüssel
Starke Kommunikationsfähigkeiten sind entscheidend. Übe, wie du technische Konzepte einfach erklären kannst, damit auch Nicht-Techniker verstehen, worum es geht. Sei bereit, über deine Erfahrungen im Stakeholder-Management zu sprechen und wie du verschiedene Teams um eine gemeinsame Strategie versammelt hast.
✨Sei bereit für technische Fragen
Erwarte technische Fragen zu LLM-basierten Pipelines oder agentischen KI-Systemen. Mach dich mit den neuesten Trends und Technologien in diesem Bereich vertraut. Zeige, dass du nicht nur die Theorie verstehst, sondern auch praktische Anwendungen und Herausforderungen kennst.
