AI Engineer

Doping Technology; Sarıyer; Hybrid; TRY 450,000 - 750,000; Full time

Job summary

Doping Technology firmasında Data & AI odaklı bir rol için arayış sürüyor. Bu görev, veriden pipeline kurma, retrieval katmanını tasarlama ve akışları kodlayıp AWS üzerinde uçtan uca çalışan bir sistem olarak teslim etme sorumluluğunu içerir.

Model doğruluğu, kotalı erişim ve güvenli çalışma akışları için tasarım kararlarını savunacak, maliyeti izleyecek ve gemiyi operasyonel olarak sahiplenebilecek yetkinlikte aday arıyoruz.

Qualifications

• Üretimde LLM/GenAI projelerinde en az 1–2 yıl deneyim.
• RAG/ retrieval mimarisi ve pipeline tasarımı deneyimi.
• Python ve SQL bilgisiyle kendi araç ve retrieval katmanını yazabilme.

Responsibilities

• Doküman işleme ve embedding/ chunking stratejisi kurmak.
• Hybrid retrieval (dense + BM25) ile uçtan uca pipeline kurmak ve AWS üzerinde yayına almak.
• Sistem mimarisini savunmak, maliyet/performans takibi yapmak ve kalite kök neden analizleri yapmak.

Skills

Python

SQL

LLM/GenAI

RAG desgıno

AWS

Teknik iletişim (İngilizce)

Tools

pgvector

OpenSearch

Qdrant

Weaviate

Job description

Rol Hakkında

Elimizde kurumsal veri, çalışan sistemler ve net kullanım senaryoları var. Aradığımız kişi bu veriyi alıp; doğru pipeline'ı kuran, retrieval katmanını tasarlayan, akışları kodlayan, AWS üzerinde yayına alan ve ölçülebilir şekilde çalışan bir sistem olarak teslim eden kişi olacak.

Bu bir araştırma veya prototip rolü değil. Kurduğun sistemin sahibi olacaksın. Kapsamı netleştirecek, veri kaynaklarını çözecek, mimari kararları savunacak, kalite problemlerini kök nedenine kadar takip edecek, maliyeti izleyecek ve sonucundan sorumlu olacaksın.

Aynı zamanda "bu modeli nasıl bağlarız?" sorusuna değil; "kullanıcı doğru cevabı alıyor mu, alamadığında neden alamadı, bu sistem yarın iki katı veriyle de çalışır mı?" sorularına da hâkim olmalısın.

Kısaca: "Veriyi bana verin — pipeline'ı kurayım, retrieval'ı ayarlayayım, akışı kodlayayım, AWS'de yayına alayım, ölçülebilir teslim edeyim." diyebilecek seviyede ownership.

Ne Yapacaksın?

• RAG & Retrieval: Doküman işleme, chunking stratejisi, embedding seçimi, hybrid retrieval (dense + BM25) ve reranking ile uçtan uca pipeline kurmak.
• Kalite & Ölçüm: Golden set oluşturmak, retrieval doğruluğunu ve halüsinasyon oranını ölçmek, ıskalanan sorguları kök nedene kadar takip etmek.
• Text-to-SQL: Veritabanlarımız üzerinde doğal dil sorgulama çözümleri geliştirmek; şema farkındalıklı prompt tasarımı, semantic layer, salt-okunur ve yetki bazlı erişim.
• MCP & Tool Geliştirme: MCP sunucuları yazmak; veritabanlarını, dosya depolarını ve iç API'ları modele araç olarak açmak, auth katmanını kurmak.
• Agent & Orkestrasyon: Tool-calling ve çok adımlı iş akışlarını (LangGraph, LlamaIndex, benzeri) güvenilir ve tekrarlanabilir hale getirmek.
• Sohbet Asistanları: Konuşma katmanını geliştirmek — bağlam yönetimi, hafıza ve özetleme, streaming, guardrail, kapsam dışı sorularda güvenli davranış.
• Data Engineering: Veri hazırlığını üstlenmek; SQL, ETL/ELT, yapılandırılmamış veri işleme, veri kalitesi kontrolleri.
• AWS & Deployment: Servisleri paketlemek, deploy etmek, gözlemlenebilirliği kurmak; token maliyeti ve gecikmeyi optimize etmek.

Aradığımız Profil - Olmazsa Olmaz

• Minimum 3 yıl yazılım geliştirme deneyimi; en az 1–2 yılı üretime çıkmış LLM/GenAI projelerinde
• Üretimde çalışan en az bir RAG veya LLM tabanlı sistem referansı (POC'ten production'a taşımış olmak)
• İleri seviye Python ve SQL; hazır blokları birleştirmenin ötesinde kendi tool ve retrieval katmanını yazabilmek
• RAG bileşenlerine ve retrieval kalitesini etkileyen tasarım kararlarına hâkimiyet
• Vektör veritabanı deneyimi (pgvector, OpenSearch, Qdrant, Weaviate)
• Bulutta üretim deneyimi; AWS tercih edilir. IAM ve ağ tarafında kaybolmamak
• Yapay zekâ araçlarını günlük iş akışında aktif kullanmak
• İngilizce teknik iletişim yeterliliği

Artı Puan

• MCP ile üretim seviyesinde deneyim; TypeScript/Node hâkimiyeti
• Açık kaynak model servis etme (vLLM, Ollama, TGI); fine-tuning, LoRA
• Graph RAG, knowledge graph; OCR ağırlıklı doküman işleme
• Airflow, dbt veya benzeri veri orkestrasyon araçları
• KVKK uyumu, PII maskeleme, prompt injection ve LLM güvenliği