AI Engineer / Research Scientist (Senior, Staff), Explainable AI

AI Engineer / Research Scientist (Senior, Staff), Explainable AI

Vollzeit 55000 - 70000 € / Jahr (geschätzt) Homeoffice (teilweise)
Dormont Manufacturing Co

Auf einen Blick

  • Aufgaben: Entwickle erklärbare KI-Lösungen für vertrauenswürdige Entscheidungen in kritischen Bereichen.
  • Unternehmen: Seekr, ein führendes Unternehmen für erklärbare und vertrauenswürdige KI.
  • Vorteile: Unbegrenzter Urlaub, flexible Arbeitszeiten, Aktienoptionen und umfassende Gesundheitsleistungen.
  • Weitere Informationen: Dynamisches Team mit Fokus auf Innovation und Zusammenarbeit.
  • Warum dieser Job: Gestalte die Zukunft der KI mit und mache einen echten Unterschied.
  • Qualifikationen: Starker Hintergrund in maschinellem Lernen und Softwareentwicklung erforderlich.

Das prognostizierte Gehalt liegt zwischen 55000 - 70000 € pro Jahr.

Seekr baut vertrauenswürdige KI für entscheidungsrelevante Anwendungen. Unsere Plattform hilft Organisationen, sichere, erklärbare KI zu entwickeln, zu verwalten und bereitzustellen, die auf ihren eigenen Daten basiert und in Cloud-, On-Premises-, Edge- und luftdicht abgeschotteten Umgebungen funktioniert. Wir legen großen Wert auf Transparenz, Prüfbarkeit und Verteidigungsfähigkeit, da hochriskante KI nur dann nützlich ist, wenn Menschen verstehen und vertrauen können, wie sie funktioniert.

Die erste Welle der KI drehte sich um Skalierung. Die neue Grenze ist zuverlässige KI: Systeme, die nicht nur leistungsfähig, sondern auch verständlich, testbar und zuverlässig in realen Entscheidungen sind. Bei Seekr ist Erklärbarkeit kein nachträglich hinzugefügtes Berichtselement; sie ist ein zentrales Produkt- und Forschungsproblem, das Attribution und Interpretierbarkeit, Beobachtbarkeit und Anfechtbarkeit umfasst. Diese Rolle befindet sich direkt in diesem hochwirksamen Bereich und hilft dabei, modernste Ideen in Produktionsfähigkeiten umzusetzen, denen Kunden vertrauen können.

Wir suchen Kandidaten aus sowohl forschungsorientierten als auch ingenieurtechnischen Hintergründen. Der Erfolg in dieser Rolle erfordert Stärke in einem Bereich und eine funktionale Kompetenz im anderen.

Was Sie tun werden:

  • Entwerfen und Entwickeln von Erklärbarkeitsfunktionen, die den Nutzern helfen, zu verstehen, warum ein Modell oder Agent ein bestimmtes Ergebnis produziert hat und welche Trainingsdaten, abgerufenen Dokumente, Werkzeuge, Agenteninteraktionen oder internen Modellmechanismen dieses Ergebnis beeinflusst haben.
  • Aufbau von Bewertungsrahmen für die Qualität von Erklärungen über Dimensionen wie Treue, Angemessenheit, Konsistenz und Plausibilität von Erklärungen.
  • Entwerfen und Entwickeln von Anfechtungsfunktionen, die es den Nutzern ermöglichen, KI-Ausgaben anzufechten, korrigierendes Feedback zu erfassen und angefochtene Ergebnisse in Daten umzuwandeln, die die Systeme im Laufe der Zeit verbessern.
  • Arbeiten an angrenzenden hochwirksamen Bereichen wie Halluzinationsdetektion und -minderung sowie kontinuierlichen Lernagenten, die aus Erklärungszeichen und angefochtenen Ausgaben lernen können.
  • Übersetzen und Synthese vielversprechender Ideen aus der aktuellen Literatur in Prototypen und validierte Prototypen in produktionsreife Funktionen umsetzen.
  • Beitragen über den gesamten Lebenszyklus des KI-Systems, wo nötig, einschließlich Modellentwicklung, Inferenz, Bereitstellung und Überwachung.
  • Partnerschaft mit Produkt-, Design- und kundenorientierten Teams, um Erklärbarkeit in realen Arbeitsabläufen nützlich zu machen, nicht nur technisch interessant.
  • Effektive und zuverlässige Nutzung von KI-Coding-Assistenten als Teil eines modernen Ingenieurarbeitsablaufs bei gleichzeitiger Wahrung von starkem Urteilsvermögen und Codequalität.

Was wir suchen:

  • Starker Hintergrund in maschinellem Lernen und modernen KI-Systemen, einschließlich LLM/VLMs, Agentenframeworks, RAG oder angrenzenden angewandten ML-Systemen.
  • Starke Python- und Softwareengineering-Grundlagen, mit Komfort in Tests, Code-Reviews, CI/CD, Debugging und Leistungsanalyse.
  • Fähigkeit, sich zwischen Forschung und Ingenieurwesen wohlzufühlen.
  • Wissenschaftler sollten in der Lage sein, bei Bedarf produktionsreife Codes zu schreiben; Ingenieure sollten in der Lage sein, Systeme zu prototypisieren und zu testen, inspiriert von modernsten Arbeiten.
  • Erfahrung im Entwerfen von Experimenten und der Bewertung mehrdeutiger technischer Abwägungen.
  • Fließende Kommunikation und starke Zusammenarbeit mit technischen und nicht-technischen Partnern.

Bevorzugte Qualifikationen für forschungsorientierte Kandidaten:

  • Master oder PhD in Informatik, maschinellem Lernen, KI, Statistik oder einem verwandten Bereich.
  • Erfahrung in erklärbarer und interpretierbarer KI, wie z.B. Attributionsmethoden wie LIME und SHAP, beispiel- oder einflussbasierte Attribution oder mechanistische Interpretierbarkeit.
  • Nachweisliche technische Arbeiten, wie Publikationen, Patente, Open-Source-Beiträge oder Forschung, die maßgeblich zur Entwicklung von Systemen beigetragen hat.

Bevorzugte Qualifikationen für ingenieurorientierte Kandidaten:

  • Erfahrung im Entwerfen von End-to-End-KI-Systemen von der Datenvorbereitung und -bewertung bis hin zu Bereitstellung, Überwachung und Iteration.
  • Erfahrung mit Inferenz- und Bereitstellungsstacks wie vLLM, SGLang oder ähnlichen Systemen.
  • Erfahrung in der Optimierung der Modellausgabe hinsichtlich Latenz, Durchsatz, Batching, Caching, Speichereffizienz, Quantisierung und Kosten-/Leistungsabgleich.
  • Erfahrung in der API/SDK-Entwicklung und im Aufbau benutzbarer Plattformabstraktionen für andere Entwickler.
  • Erfahrung mit Kubernetes-basierten Bereitstellungen, CI/CD und GitOps-Workflows wie Argo CD.
  • Erfahrung in der Arbeit mit GPU-/Beschleunigerumgebungen, containerisierten ML-Workloads und der Leistungsoptimierung in der Produktion.
  • Erfahrung im Entwurf von Datenbanken und Abrufsystemen, einschließlich relationaler Speicher, Vektordatenbanken und RAG-Architekturen.
  • Erfahrung mit Experimentverfolgung, Modell-/Datenversionierung, Evaluierungs-Pipelines, Beobachtbarkeit und Diagnose von Produktionsproblemen in KI-Systemen.

Nice to Have:

  • Erfahrung im Entwerfen von KI-Systemen mit menschlicher Aufsicht, Überprüfung, Genehmigung oder Übersteuerungsworkflows.
  • Vertrautheit mit Governance-, Herkunfts-, Sicherheits- und Prüfanforderungen für Unternehmens- oder Regierungs-KI.
  • Erfahrung in der Bereitstellung von KI in Cloud-, On-Prem-, Edge- oder luftdicht abgeschotteten Umgebungen.

Warum diese Rolle wichtig ist:

Erklärbarkeit wird zur Infrastruktur, nicht zu einer Nebenfunktion. Da KI tiefer in operationale, regulierte und geschäftskritische Arbeitsabläufe eindringt, werden die Systeme, die gewinnen, diejenigen sein, die Menschen befragen, validieren und verteidigen können. Diese Rolle bietet die Möglichkeit, diesen Standard in einem Unternehmen zu definieren, das von Anfang an auf vertrauenswürdige KI ausgerichtet ist.

Über das Unternehmen:

Seekr ist ein führendes Unternehmen im Bereich erklärbare und vertrauenswürdige künstliche Intelligenz, die entscheidungsrelevante Anwendungen in Unternehmen, der Regierung und regulierten Branchen unterstützt. SeekrFlow™, unsere End-to-End-KI-Plattform, bietet sichere, prüfbare KI-Lösungen, die auf Sektoren zugeschnitten sind, in denen Transparenz, Genauigkeit und Compliance von größter Bedeutung sind. Verfügbar in Cloud-, On-Premises- und Edge-Umgebungen reduziert SeekrFlow Vorurteile, stärkt die Datenintegrität und vereinfacht die Modellüberwachung, sodass Organisationen auf vertrauenswürdige KI-Entscheidungen in hochriskanten Umgebungen vertrauen können, die die sensibelsten und wichtigsten Systeme der Gesellschaft betreffen. Vertrauenswürdig für führende Unternehmen und Regierungsbehörden arbeiten wir mit Verteidigungs-, Finanz-, Telekommunikations- und kritischen Infrastrukturführern zusammen, um KI-Lösungen zu ermöglichen, die reale Ergebnisse mit unvergleichlicher Transparenz und Kontrolle liefern.

Wir sind ein Team von strategischen Denkern und Problemlösern, die die schwierigsten Herausforderungen im Bereich kritische Infrastruktur und globale Unternehmen mit erstklassigen KI-Modellen und Kundenbereitstellungen angehen.

Unser Team arbeitet mit unerschütterlichem Engagement für unsere Kernwerte und unsere Mission:

  • Wir sind ergebnisorientiert – der Erfolg unserer Kunden ist das, wonach wir jeden Tag streben.
  • Wir glauben, dass Vertrauen verdient werden muss, weshalb wir Erklärbarkeit und Transparenz in den gesamten KI-Lebenszyklus integrieren.
  • Wir nehmen unsere Verantwortung zur Bereitstellung sicherer KI ernst.
  • Wir glauben, dass Innovation Fortschritt antreibt – wir bauen die Technologien, die die Systeme unterstützen, auf die unsere Gesellschaft angewiesen ist.

Unternehmensvorteile:

  • Bedeutsame Mission & Einfluss – Arbeiten Sie mit einem talentierten, kollaborativen Team, das einige der schwierigsten KI-Herausforderungen löst, die von Bedeutung sind.
  • Eigenkapitalbeteiligung – RSUs, die es Ihnen ermöglichen, direkt am langfristigen Erfolg und Wachstum von Seekr teilzuhaben.
  • Urlaub, der das echte Leben respektiert – Unbegrenzter PTO plus 14 bezahlte Feiertage, um sich wirklich zu erholen.
  • Arbeiten Sie auf Ihre Weise – Eine flexible hybride Arbeitsumgebung mit Büros in Reston, VA und Austin, TX, plus Remote-Optionen und flexiblen Arbeitszeiten.
  • Wettbewerbsfähige Gesamtvergütung – Eine rollenspezifische Vergütungsstruktur, die langfristiges Wachstum unterstützt, einschließlich Grundgehalt, Boni oder Provisionsplänen, je nach Rolle.
  • 401(k) mit Unternehmensbeitrag – Bauen Sie Ihre Zukunft mit einem Rentenplan auf, der Arbeitgeberbeiträge umfasst.
  • Umfassende Gesundheits- und Wellnessleistungen – Medizinische, zahnärztliche, augenärztliche und Lebensversicherungsdeckung ab dem ersten Tag – für Sie und Ihre Familie.
  • Elternzeit – Bezahlte Elternzeit zur Unterstützung von Mitarbeitern, die ein neues Kind durch Geburt, Adoption oder Pflegeplatzierung willkommen heißen.

AI Engineer / Research Scientist (Senior, Staff), Explainable AI Arbeitgeber: Dormont Manufacturing Co

Seekr ist ein hervorragender Arbeitgeber, der eine bedeutende Mission verfolgt: den Aufbau vertrauenswürdiger KI für entscheidungsrelevante Anwendungen. Mit einem flexiblen hybriden Arbeitsumfeld in Reston, VA und Austin, TX sowie unbegrenztem PTO und umfassenden Gesundheitsleistungen fördert Seekr eine Kultur der Zusammenarbeit und Innovation. Mitarbeiter haben die Möglichkeit, an herausfordernden Projekten zu arbeiten, die echte Auswirkungen auf kritische Infrastrukturen haben, während sie gleichzeitig von einem attraktiven Vergütungspaket und Eigenkapitalbeteiligungen profitieren.

Dormont Manufacturing Co

Kontaktdaten:

Dormont Manufacturing Co Recruiting-Team

StudySmarter Expertenrat🤫

Wir sind der Meinung, dass Sie so AI Engineer / Research Scientist (Senior, Staff), Explainable AI erhalten könnten

Wende dich an die richtigen Communities

Schau dir Online-Communities und Foren an, die sich um Data Science drehen, wie Kaggle oder GitHub. Engagiere dich dort aktiv, teile deine Projekte und lerne von anderen – das wird dir helfen, nicht nur einen Fuß in die Tür zu bekommen, sondern auch wertvolle Kontakte zu knüpfen.

Präsentiere deine Daten-Projekte

Baue ein Portfolio auf, das deine besten Projekte zeigt. Nutze Plattformen wie GitHub oder eine persönliche Webseite, um deine Arbeiten zu veröffentlichen. Arbeitgeber im Data Science-Bereich schauen oft direkt auf praktische Erfahrungen, also zeig, was du drauf hast!

Nimm an Meetups und Hackathons teil

Besuche lokale Data Science-Meetups oder nehme an Hackathons teil. Diese Veranstaltungen sind nicht nur super, um dein Wissen zu erweitern, sondern auch Gold wert für Networking. Du lernst Fachkollegen kennen und kannst auf Lockere Art und Weise Eventualjobs ergattern.

Direkte Bewerbungen über unsere Seite

Vergiss nicht, direkt auf unserer Website nach Stellenangeboten bei Dormont Manufacturing Co zu schauen. Hier kannst du dich auf offene Datenwissenschaftsstellen bewerben und zeigst damit direktes Interesse, das viele Arbeitgeber schätzen!

Wir glauben, dass du diese Fähigkeiten brauchst, um AI Engineer / Research Scientist (Senior, Staff), Explainable AI mit Bravour zu bestehen

Maschinenlernen
Moderne KI-Systeme
Python
Software-Engineering-Grundlagen
Testen
Code-Überprüfung
CI/CD

Einige Tipps für deine Bewerbung 🫡

Lass deine Daten sprechen!:In einem Bereich wie Data Science ist es entscheidend, dass du deine praktischen Fähigkeiten präsentierst. Wenn du an Projekten gearbeitet hast, die deine Analysefähigkeiten oder dein Wissen über Machine Learning demonstrieren, teile sie in deinem Lebenslauf oder füge einen Link zu deinem GitHub-Portfolio bei. Die Daten, die du analysiert hast, und die Tools, die du verwendest, sollten klar hervorgehoben werden.

Ergebnisse quantifizieren!:Unterstütze deine Erfahrung mit quantifizierbaren Ergebnissen. Zeige, wie du durch deine Analysen oder Modelle zur Entscheidungsfindung beigetragen hast oder wie deine Berechnungen den Rohdaten neue Erkenntnisse entlockt haben. Arbeitgeber in der Data Science sind oft an konkreten Verbesserungen und Effizienzsteigerungen interessiert!

Erläutere deine Lernbereitschaft!:Da es sich um eine Vollzeitstelle handelt, zeige in deinem Anschreiben, dass du bereit bist, zu lernen und dich weiterzuentwickeln. Sprich über deine Neugier für neue Technologien oder Methoden im Data Science Bereich. Vielleicht hast du auch Kurse besucht oder Zertifikate erworben, die deine Begeisterung zeigen!

Die richtige technische Sprache!:Achte darauf, dass deine Bewerbung alle relevanten technischen Begriffe enthält, die in der Data Science gebräuchlich sind. Nenne spezifische Programmier- und Analysetools wie Python, R oder SQL, die du beherrschst. Dies macht es für die Rekrutierer einfacher, schnell zu erkennen, dass du für die Rolle als AI Engineer / Research Scientist (Senior, Staff), Explainable AI bei Dormont Manufacturing Co gut geeignet bist.

Wie man sich auf ein Vorstellungsgespräch bei Dormont Manufacturing Co vorbereitet

Bereite deine technischen Skills vor

In einem Vorstellungsgespräch für eine Data-Science-Position wird oft dein Wissen über Tools wie Python, R oder SQL getestet. Mach dich mit gängigen Algorithmen und deren Einsatzmöglichkeiten vertraut, denn technische Fragen können schnell kommen. Lass uns sicherstellen, dass du in diesen Bereichen glänzt!

Verschaffe dir einen Überblick über Projekte

Da es sich um eine Vollzeitstelle handelt, ist es wichtig, dass du konkrete Erfahrungen und Projekte vorweisen kannst. Wenn du bereits an Data-Science-Projekten gearbeitet hast, sei bereit, diese in der Tiefe zu erläutern und zu diskutieren, wie du die Probleme gelöst hast. Dein Portfolio kann hier einen echten Unterschied machen!

Vorbereitung auf case studies

In Data-Science-Interviews sind case studies und praktische Probleme häufig Teil des Gesprächs. Übe, wie du strukturiert und logisch an solche Aufgaben herangehst. Arbeitgeber möchten sehen, wie du Daten analysierst und Lösungen entwickelst – bring also deine analytischen Fähigkeiten mit!

Zeige deine Leidenschaft für Daten

Mehr denn je geht es bei einer Vollzeitstelle darum, dass du nicht nur die Skills hast, sondern auch wirklich für das Feld brennst. Teile Anekdoten oder Erfahrungen, die zeigen, wie du zur Datenwissenschaft gekommen bist und was dich fasziniert. Diese Begeisterung kann für Dormont Manufacturing Co entscheidend sein!