Senior AI Engineer

Siaflex; Turkey; On-site; TRY 720,000 - 1,000,000; Full time

Job summary

Siaflex Türkiye ofisinde, Büyük Dil Modelleri ve RAG mimarileriyle uçtan uca çözümler geliştirecek Senior AI Engineer arıyoruz. Senior seviyede Python tabanlı backend sistemleri, model uyarlama ve entegre ML süreçlerinde deneyim beklenmektedir.

Görevler arasında LLM tabanlı uygulamalar, embedding, indexing, retrieval, deployment, ölçüm ve güvenlik önlemlerinin uygulanması yer alır. Ayrıca LoRA/PEFT gibi tekniklerle model uyarlaması, Docker tabanlı üretim ortamında hizmetlerin ölçeklenmesi ve

Qualifications

• LLM ve yapay zeka tabanlı çözümler için güçlü teknik temel gereklidir.
• Büyük dil modelleri, RAG, embedding ve retrieval kavramlarına hakimiyet beklenir.
• Python tabanlı backend geliştirme ve üretime alma deneyimi aranır.

Responsibilities

• LLM tabanlı uygulamaların geliştirilmesi ve entegrasyonu.
• RAG mimarilerinin uçtan uca tasarımı ve uygulanması.
• Fine-tuning, eval, monitoring ve güvenlik önlemlerinin uygulanması.

Skills

Python (advanced)

LLM / Generative AI

RAG architectures

Back-end development

English proficiency

Education

Bachelor's/Master's in CS or related

Tools

FastAPI

PyTorch

HuggingFace

Docker

Kubernetes

Job description

Yapay zekâ projelerimizde görev almak üzere; büyük dil modelleri, RAG mimarileri, model uyarlama ve Python tabanlı backend sistemleri konusunda deneyimli Senior AI Engineer arıyoruz.

Görev ve Sorumluluklar

• LLM tabanlı uygulamalar, akıllı asistanlar, copilot sistemleri ve agentic AI çözümleri geliştirmek.
• Proje ihtiyaçlarına uygun ticari veya açık kaynak LLM’leri araştırmak, karşılaştırmak ve seçmek.
• RAG mimarilerini uçtan uca tasarlamak ve geliştirmek.
• Doküman ayrıştırma, chunking, metadata oluşturma, embedding, indexing, retrieval, hybrid search ve reranking süreçlerini yönetmek.
• Farklı embedding modelleri, chunking stratejileri, retrieval algoritmaları ve reranker modellerini deneysel olarak karşılaştırmak.
• RAG sistemleri için golden dataset, benchmark ve regresyon test senaryoları hazırlamak.
• Retrieval başarısını Precision, Recall, Hit Rate, MRR ve benzeri metriklerle ölçmek.
• LLM cevaplarını doğruluk, bağlama bağlılık, kaynaklarla tutarlılık, cevap uygunluğu ve halüsinasyon açısından değerlendirmek.
• İnsan değerlendirmesi, otomatik metrikler ve LLM-as-a-Judge gibi yaklaşımları birlikte kullanarak değerlendirme altyapısı oluşturmak.
• Prompt, model, embedding veya retrieval değişikliklerinin sistem performansına etkisini analiz etmek.
• İhtiyaca göre supervised fine-tuning, instruction tuning, LoRA, QLoRA ve PEFT tabanlı model uyarlama çalışmaları yürütmek.
• Fine-tuning için veri hazırlama, temizleme, etiketleme, kalite kontrol ve train-validation-test ayrımı süreçlerini yönetmek.
• Fine-tuning öncesi ve sonrası model performansını karşılaştırmak; overfitting ve veri sızıntısı gibi riskleri değerlendirmek.
• Fine-tuning, RAG ve prompt engineering yaklaşımları arasında doğruluk, maliyet ve sürdürülebilirlik odaklı teknik kararlar vermek.
• Tool calling, function calling, memory, state management, conditional routing ve human-in-the-loop içeren agent sistemleri geliştirmek.
• Python ve FastAPI kullanarak ölçeklenebilir backend servisleri ve REST API’ler geliştirmek.
• LLM sistemlerini veri tabanları, kurumsal uygulamalar, dosya sistemleri ve harici servislerle entegre etmek.
• Servislerde authentication, authorization, retry, timeout, caching, rate limiting ve fallback mekanizmaları oluşturmak.
• Modelleri ve AI servislerini Docker tabanlı ortamlarda paketlemek ve üretime almak.
• Model ve servis performansını doğruluk, gecikme, token kullanımı, GPU kullanımı, maliyet ve hata oranları açısından izlemek.
• Loglama, tracing, monitoring ve observability altyapılarına katkı sağlamak.
• Prompt injection, jailbreak, hassas veri sızıntısı ve yetkisiz araç erişimi gibi risklere karşı güvenlik önlemleri geliştirmek.
• Teknik kararları, deney sonuçlarını ve mimari yaklaşımları dokümante etmek.
• Yazılım geliştirme, yapay zekâ veya makine öğrenmesi alanlarında en az 4 yıl profesyonel deneyim.
• LLM, Generative AI veya NLP tabanlı sistemler üzerinde uygulamalı çalışma deneyimi.
• En az bir AI/LLM uygulamasını prototip aşamasından üretim ortamına kadar geliştirmiş olmak.
• İleri seviyede Python bilgisi.
• FastAPI, Flask veya Django gibi Python backend framework’lerinden en az biriyle deneyim.
• Transformer mimarileri, tokenization, embedding ve model inference süreçlerine hâkimiyet.
• RAG, vektör arama, hybrid search ve reranking konularında uygulamalı deneyim.
• RAG sistemlerini sistematik olarak test etme, ölçme ve iyileştirme deneyimi.
• PyTorch ve Hugging Face ekosistemiyle çalışma deneyimi.
• Teknik dokümanları takip edebilecek seviyede İngilizce.

Tercih Sebebi Olabilecek Yetkinlikler

• LoRA, QLoRA, PEFT veya farklı fine-tuning yöntemleriyle deneyim.
• LangGraph, LangChain, LlamaIndex, AutoGen veya CrewAI bilgisi.
• vLLM, TGI veya Ollama kullanarak açık kaynak model deployment deneyimi.
• RAGAS, DeepEval, LangSmith, Langfuse veya MLflow gibi değerlendirme ve gözlemleme araçlarıyla çalışma.
• Kubernetes, CI/CD, bulut veya on-premise GPU ortamlarında çalışma deneyimi.
• Türkçe NLP, multimodal modeller veya Vision-Language Model deneyimi.

Başvurularda adayların daha önce geliştirdikleri LLM, RAG, fine-tuning veya agent projelerini; bu projelerde

üstlendikleri sorumlulukları ve sistemleri nasıl test ettiklerini kısaca belirtmeleri beklenmektedir.