Senior ML Engineer

Diese Position wird im Auftrag eines Partnerunternehmens ausgeschrieben, das alle Bewerbungen und nächsten Schritte verwaltet. Unser Partner sucht einen Senior ML Engineer mit Sitz in der Schweiz. Diese Rolle bietet die Möglichkeit, produktionsreife KI-Systeme in einem hochwirksamen Gesundheitsumfeld zu entwickeln, in dem Zuverlässigkeit, Bewertung und Sicherheit von entscheidender Bedeutung sind.

Sie werden die Verantwortung für maschinelles Lernen von Anfang bis Ende übernehmen, komplexe Probleme von der frühen Erkundung bis zur Bereitstellung und kontinuierlichen Verbesserung angehen. Ein Hauptaugenmerk liegt auf der Gestaltung agentischer LLM-Systeme mit Werkzeugnutzung, Abruf, Orchestrierung und robusten Bewertungsrahmen. Sie arbeiten über den gesamten KI-Stack hinweg, von der Datenvorbereitung und Modellanpassung bis hin zu Bereitstellung, Überwachung und Produktionsfeedbackschleifen. Eine enge Zusammenarbeit mit Produkt-, Klinik- und Engineering-Teams ist entscheidend, um reale Gesundheitsbedürfnisse in effektive technische Lösungen zu übersetzen. Sie werden auch zur technischen Exzellenz durch Mentoring, Wissensaustausch und praktische Anwendung von KI im Team beitragen.

Verantwortlichkeiten

• Übernahme von Projekten im Bereich maschinelles Lernen von Anfang bis Ende, von der Problemerkundung und Experimentierung bis hin zur Produktionsbereitstellung, Überwachung und fortlaufenden Iteration.
• Entwurf und Aufbau zuverlässiger agentischer LLM-Systeme unter Verwendung von mehrstufigen Workflows, Werkzeugaufrufen, Abruf- und Orchestrierungstechniken, die für klinische Umgebungen mit hohen Einsätzen geeignet sind.
• Entwicklung robuster Bewertungsstrategien, einschließlich Bewertungsdatensätze, Offline- und Online-Testumgebungen, LLM-as-Judge-Pipelines mit menschlicher Überprüfung und Regressionstests.
• Verbesserung der Modellleistung durch evidenzbasierte Ansätze wie Prompt-Engineering, Abrufoptimierung, Destillation, Feinabstimmung oder andere geeignete Techniken.
• Arbeiten über den gesamten Lebenszyklus des maschinellen Lernens hinweg, einschließlich Datenvorbereitung, Modellanpassung, Bereitstellung, Überwachung und Produktionsfeedbackschleifen.
• Zusammenarbeit mit Produkt-, Klinik- und Engineering-Stakeholdern, um klinische Anforderungen in technische Lösungen zu übersetzen und frühzeitig Kompromisse zu identifizieren.
• Code überprüfen, technisches Wissen teilen, zu bewährten Verfahren im Engineering beitragen und weniger erfahrene Ingenieure betreuen.
• Ständige Erkundung und Anwendung von KI-unterstützten Ansätzen, die die individuelle Produktivität, Teamabläufe, Produkte und Engineering-Prozesse verbessern.

Anforderungen

• Nachgewiesene Erfahrung in der Bereitstellung produktionsreifer Systeme für maschinelles Lernen, die von echten Benutzern oder Kunden genutzt werden.
• Praktische Erfahrung in der Entwicklung und Bereitstellung von LLM-basierten Systemen, einschließlich Aufforderungen, Abruf, Werkzeugaufrufen und agentenähnlichen Workflows.
• Starke Bewertungsexpertise mit Erfahrung in der Erstellung von Bewertungsdatensätzen, Rahmenwerken, Testmethoden und Mechanismen zur Unterscheidung bedeutungsvoller Verbesserungen von statistischem oder operationellem Rauschen.
• Starke Grundlagen im maschinellen Lernen und die Fähigkeit, geeignete Ansätze basierend auf technischen Anforderungen, Beweisen und Kompromissen auszuwählen.
• Erfahrung in der Arbeit mit mehrdeutigen oder schwach definierten Problemen und deren Transformation in zuverlässige Produktionslösungen.
• Starke Software-Engineering-Fähigkeiten, einschließlich der Erstellung von produktionsreifem Code, der Arbeit mit verteilten Systemen und der Fehlersuche in komplexen Pipelines für maschinelles Lernen.
• Klare Kommunikationsfähigkeiten und die Fähigkeit, effektiv mit technischen und klinischen Stakeholdern zusammenzuarbeiten.
• Nachgewiesene KI-Flüssigkeit mit mindestens Level 1: regelmäßige Nutzung von KI zur Verbesserung der persönlichen Produktivität.
• Erfahrungen mit Feinabstimmungs- oder Präferenzoptimierungstechniken wie RLHF oder DPO sind von Vorteil.
• Erfahrung im Bereich Gesundheits-KI oder anderen Bereichen mit hohen Einsätzen, in denen Systemfehler erhebliche Konsequenzen haben können, ist vorteilhaft.
• Erfahrung in der Erstellung von Agentenrahmen oder Bewertungswerkzeugen von Grund auf ist ein Plus.
• Beiträge zu Open-Source-Projekten, technisches Schreiben oder andere Formen des technischen Wissensaustauschs sind wertvoll.
• Bereitschaft, in einer verteilten europäischen Umgebung zu arbeiten, wobei die Position für Kandidaten aus ganz Europa offen ist.

Vorteile

• Wettbewerbsfähige Vergütung, die an den lokalen Markt und die Lebenshaltungskosten im europäischen Land, in dem Sie eingestellt werden, angepasst ist.
• Die Gesamtvergütung kann Grundgehalt, variable Vergütung, Boni oder Anreize sowie Eigenkapital umfassen, wo dies zutrifft.
• Die Vergütung wird basierend auf Fähigkeiten, Qualifikationen, Erfahrungen, Standort, Marktbedingungen und nachgewiesenem Einfluss überprüft.
• Gelegenheit zur Vergütungssteigerung, wenn Ihre Verantwortlichkeiten und Beiträge zunehmen.
• Länderspezifische Vorteile und Vergünstigungen, die an lokale Vorschriften und Marktpraktiken angepasst sind.
• Gelegenheit, an hochwirksamen KI-Systemen zu arbeiten, die komplexe Herausforderungen im Gesundheitswesen angehen.
• Einblick in modernste LLMs, agentische KI, Bewertungsrahmen und produktionsreifes maschinelles Lernen in erheblichem Maßstab.
• Kollaborative Umgebung, die KI, Engineering, Produkt und klinische Expertise umfasst.
• Gelegenheit, andere Ingenieure zu betreuen und zu technischen Praktiken und Wissensaustausch beizutragen.
• Flexibilität bei der Einstellung in ganz Europa, wobei Beschäftigungsvereinbarungen und Vorteile an das Einstellungsland angepasst werden.