GenAI ML Engineer – Production Systems (Amsterdam)

HireHi; Amsterdam; On-site; EUR 90,000 - 140,000; Full time

Job summary

HireHi приглашает опытного инженера по машинному обучению для ведения технического дизайна и реализации генеративного ИИ и ML‑платформ. Вы будете разрабатывать системы с LLM, мультимодальными моделями, агентами и обучением на откликах, переходя от исследований к продакшну.

Ключевые задачи включают архитектурные решения на всём жизненном цикле ML, взаимодействие с исследователями и инженерами, оптимизацию задержки и затрат, а также наставничество коллег и развитие инженерных практик.

Qualifications

• 5+ лет практического опыта разработки и развёртывания ML‑систем
• Опыт владения значимыми ML‑возможностями от разработки до продакшна
• Сильная экспертиза в современной машинном обучении
• Опыт работы с LLM, мультимодальными моделями, NLP, агенты, retrieval, адаптация моделей или обучение на обратной связи
• Опыт проектирования масштабируемых, надёжных производственных систем и навыков лидирования

Responsibilities

• Руководить техническим дизайном и внедрением Generative AI и ML‑возможностей от экспериментов до продакшна
• Строить системы с LLM, мультимодальными моделями, агентами, retrieval и контекстом
• Принимать архитектурные решения по всему жизненному циклу ML — данные, обучение, развёртывание, инференс, мониторинг
• Сотрудничать с исследователями и инженерами для переноса исследований в масштабируемые решения
• Улучшать качество моделей и систем, балансируя задержку, стоимость, масштабируемость и надёжность
• Взаимодействовать с исследовательскими, инженерными, продуктовой и платформенными командами
• Наставлять коллег и развивать практики в области инженерии и экспериментов

Skills

Python

PyTorch

Technical leadership

LLMs

Model evaluation

Job description

HireHi приглашает опытного инженера по машинному обучению для ведения технического дизайна и реализации генеративного ИИ и ML‑платформ. Вы будете разрабатывать системы с LLM, мультимодальными моделями, агентами и обучением на откликах, переходя от исследований к продакшну.

Ключевые задачи включают архитектурные решения на всём жизненном цикле ML, взаимодействие с исследователями и инженерами, оптимизацию задержки и затрат, а также наставничество коллег и развитие инженерных практик.