Auf einen Blick
- Aufgaben: Bewirb dich als ML Engineer und arbeite an spannenden AI-Projekten.
- Unternehmen: Partner eines führenden AI-Forschungsinstituts mit innovativem Ansatz.
- Vorteile: Verdiene 400 € pro akzeptierter Aufgabe und arbeite flexibel.
- Weitere Informationen: Begrenzte Plätze, schnell bewerben für spannende Herausforderungen!
- Warum dieser Job: Nutze deine Fähigkeiten, um die Zukunft der KI-Entwicklung zu gestalten.
- Qualifikationen: Mindestens 2 Jahre Erfahrung in der Maschinenlernen-Entwicklung erforderlich.
Das prognostizierte Gehalt liegt zwischen 200 - 300 € pro Stunde.
Mercor arbeitet mit einem führenden KI-Forschungslabor zusammen, um ein Projekt für Frontier Code Agents zu unterstützen. Die Mitwirkenden helfen dabei, Frontier-AI-Coding-Modelle durch strukturierte technische Bewertungen zu evaluieren und zu verbessern. Die Arbeit konzentriert sich auf realistische Workflows im Bereich maschinelles Lernen und die Bewertung von Modellen. Die Plätze sind begrenzt und werden schnell nach dem Prinzip "Wer zuerst kommt, mahlt zuerst" vergeben.
Was Sie tun werden:
- Verwenden Sie Frontier-AI-Coding-Agenten, um komplexe Aufgaben im Bereich maschinelles Lernen und KI-Engineering abzuschließen und zu bewerten.
- Überprüfen Sie modellgenerierte Implementierungen, die Modelltraining, Inferenzsysteme, MLOps und LLM-Anwendungen umfassen.
- Identifizieren Sie Fehler, Randfälle, Leistungsprobleme und Ausfallmodi.
- Vergleichen Sie die Ausgaben mehrerer Frontier-Modelle und bewerten Sie deren Stärken und Schwächen.
- Wenden Sie professionelles Ingenieurwissen auf realistische Szenarien im Bereich ML-Engineering an.
Zeitaufwand:
Das sprintbasierte Projekt läuft in 12-24 Stunden langen Abschnitten, abhängig von den Anforderungen des Kunden.
Vergütung:
400 $ pro akzeptierter Aufgabe. Typische Aufgaben dauern nach einer Einarbeitungszeit etwa 2–3 Stunden. Die Vergütung ist an die akzeptierte Arbeit gebunden.
Wer sollte sich bewerben:
- Mindestens 2 Jahre professionelle Erfahrung im Bereich maschinelles Lernen und Engineering.
- Erfahrung im Aufbau von Produktions-ML-Systemen, der Infrastruktur für die Bereitstellung von Modellen, LLM-Anwendungen oder KI-gestützten Produkten.
- Regelmäßige Nutzung von AI-Coding-Agenten wie Cursor, Claude Code, Codex, Windsurf, Gemini CLI oder ähnlichen Tools.
- Fähigkeit zur Bewertung von modellgenerierten Implementierungen im Bereich maschinelles Lernen und technischer Abwägungen.
- Erfahrung in der Bereitstellung von ML-Systemen in der Produktion ist von Vorteil.
ML Engineer - Coding Agent Expert Arbeitgeber: Obsidian
Mercor bietet eine dynamische und innovative Arbeitsumgebung, in der Mitarbeiter an vorderster Front der KI-Forschung mitwirken können. Mit flexiblen Sprint-basierten Projekten und einer attraktiven Vergütung von 400 USD pro akzeptierter Aufgabe fördert das Unternehmen nicht nur die berufliche Weiterentwicklung, sondern auch den Austausch von Ideen und Erfahrungen unter Gleichgesinnten. Die Möglichkeit, an einem bedeutenden Projekt zur Verbesserung von KI-Coding-Modellen teilzunehmen, macht Mercor zu einem herausragenden Arbeitgeber für talentierte ML-Ingenieure.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so ML Engineer - Coding Agent Expert erhalten könnten
✨Mach deine Projekte sichtbar!
Erstelle ein Portfolio, das deine Datenanalyse- und Statistik-Projekte zeigt. Nutze Plattformen wie GitHub, um deine Arbeitsproben zu präsentieren. Wenn du erklärst, welche Tools und Methoden du verwendet hast, gibst du potenziellen Kunden einen klaren Einblick in dein Können!
✨Netzwerke in der Data-Science-Community
Tritt Online-Communities und Foren bei, die sich auf Data Science konzentrieren, wie Kaggle oder die Data Science Gruppe auf LinkedIn. Hier kannst du nicht nur dein Wissen erweitern, sondern auch Kontakte knüpfen, die dir helfen könnten, neue Aufträge zu finden.
✨Präsentiere dich auf Freelance-Plattformen
Registriere dich auf Plattformen wie Upwork oder Freelancer, die sich gut für Freiberufler eignen. Achte darauf, dein Profil komplett auszufüllen und nachvollziehbare, spannende Projekte hinzuzufügen. Das erhöht deine Chancen, von Kunden wahrgenommen zu werden!
✨Direktbewerbungen bei interessanten Unternehmen
Wenn du Firmen hast, die dich wirklich interessieren, scheue dich nicht, direkt über ihre Website oder soziale Medien zu fragen. Zeige, wie du ihnen helfen kannst und warum du die richtige Wahl für ihre Datenprojekte bist. Warte nicht auf die perfekte Stellenausschreibung – sei proaktiv!
Wir glauben, dass du diese Fähigkeiten brauchst, um ML Engineer - Coding Agent Expert mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Mach deine Projekte sichtbar:Da es sich um eine freiberufliche Position im Bereich Data Science handelt, ist dein Portfolio das A und O. Stelle sicher, dass du eine Auswahl deiner besten Projekte präsentierst – sei es durch GitHub-Repos, Jupyter Notebooks oder eigene Webseiten, die deine Workflows und Ergebnisse zeigen. Zeige, welche Tools und Techniken du genutzt hast!
Setze auf konkrete Ergebnisse:Bei der Bewerbung ist es wichtig, dass du konkrete Ergebnisse und Erfolge aus deinen vorherigen Projekten in den Vordergrund stellst. Hast du beispielsweise Verbesserung in der Datenanalyse oder Vorhersagemodelle erzielt? Nenne Zahlen, um deine Erfolge besser greifbar zu machen.
Erkläre deine Preisstrategie:In deiner Bewerbung solltest du deine Preise und Konditionen klar darlegen. Zeige, wie du deine Dienstleistungen bewertest und welche Leistungen die Kunden von dir erwarten können. Transparen ist hier der Schlüssel, besonders in der Welt der Freiberufler!
Verbindung zur Branche herstellen:Nutze deine Bewerbung, um eine Verbindung zur Branche herzustellen, in der Obsidian tätig ist. Zeige, dass du die aktuellen Trends und Herausforderungen im Data Science Bereich kennst und wie du mit deinen Skills und Erfahrungen zum Erfolg von Obsidian beitragen kannst. Lass uns wissen, was du tun kannst!
Wie man sich auf ein Vorstellungsgespräch bei Obsidian vorbereitet
✨Zeig deine besten Projektergebnisse!
Als Freiberufler im Bereich Data Science musst du deine bisherigen Projekte und Erfolge klar präsentieren. Bring eine ansprechende Portfolio-Mappe mit, die verschiedene Datenprojekte zeigt, die du bereits umgesetzt hast. Erkläre die Tools und Techniken, die du verwendet hast, um Lösungen zu entwickeln.
✨Sei bereit für technische Fragen
Technische Fragen sind in Data Science wirklich wichtig, also sei bereit, deine Kenntnisse in Statistik, Machine Learning und Datenverarbeitung zu demonstrieren. Du könntest dazu aufgefordert werden, ein Beispiel aus der Praxis zu erläutern oder sogar einen Mini-Coding-Test durchzuführen, um deine Programmierkenntnisse zu zeigen.
✨Sprich über deine Werkzeuge und Methoden
Stelle sicher, dass du mit den gängigen Tools und Plattformen, wie Python, R oder SQL, vertraut bist. Auch Cloud-Dienste wie AWS oder Google Cloud können im Gespräch zur Sprache kommen. Erwähne konkrete Beispiele, wie du mit diesen Werkzeugen Herausforderungen gemeistert hast.
✨Personalisiere dein Angebot
Da du freiberuflich arbeitest, ist es wichtig, dass du deinem potenziellen Auftraggeber klar machst, wie du seine speziellen Bedürfnisse erfüllen kannst. Sei bereit, über deine Flexibilität, Verfügbarkeit und Preise zu sprechen. Zeig, dass du anpassungsfähig bist und dir Zeit nimmst, um die besten Lösungen für die Projekte deines Kunden zu finden.
