Senior ML Engineer: LLM Systems & RAG Evaluation

Senior ML Engineer: LLM Systems & RAG Evaluation

Zug 63000 - 77000 CHF / Jahr (geschätzt) Kein Homeoffice möglich
G

Auf einen Blick

  • Aufgaben: Leite spannende ML-Projekte und entwickle innovative Evaluierungsstrategien für LLMs und RAG.
  • Unternehmen: Grid Dynamics, ein führendes Unternehmen im Bereich Machine Learning mit einem kreativen Team.
  • Vorteile: Attraktives Gehalt, flexible Arbeitszeiten und Möglichkeiten zur beruflichen Weiterentwicklung.
  • Weitere Informationen: Dynamisches Umfeld mit hervorragenden Karrierechancen.
  • Warum dieser Job: Gestalte die Zukunft der KI und arbeite an bahnbrechenden Technologien.
  • Qualifikationen: Starke Python-Kenntnisse und Erfahrung mit PyTorch, TensorFlow oder JAX.

Das prognostizierte Gehalt liegt zwischen 63000 - 77000 CHF pro Jahr.

Grid Dynamics is seeking a Senior Machine Learning Engineer to lead end-to-end ML projects focusing on LLMs, RAG and agents.

You will design evaluation strategies, build benchmarks, and optimize AI systems while collaborating with product and research teams.

The role demands robust Python skills, deep ML fundamentals, and experience with Py Torch, Tensor Flow, or JAX.

You will shape data pipelines, tooling, and safety modules, translating findings into actionable business insights and scalable

#J-18808-Ljbffr

Senior ML Engineer: LLM Systems & RAG Evaluation Arbeitgeber: Grid Dynamics

Grid Dynamics ist ein hervorragender Arbeitgeber, der innovative Technologien und eine dynamische Arbeitsumgebung bietet. Mit einem starken Fokus auf Mitarbeiterentwicklung und Teamarbeit fördern wir eine Kultur des Wissensaustauschs und der kreativen Problemlösung. Unsere Lage ermöglicht es Ihnen, in einem inspirierenden Umfeld zu arbeiten, das sowohl persönliche als auch berufliche Wachstumschancen bietet.

G

Kontaktdaten:

Grid Dynamics Recruiting-Team

Wir glauben, dass du diese Fähigkeiten brauchst, um Senior ML Engineer: LLM Systems & RAG Evaluation mit Bravour zu bestehen

Python
Machine Learning Grundlagen
PyTorch
TensorFlow
JAX
Datenpipelines
Evaluierungsstrategien