Responsibilities
- Geschäftsregeln in maschinenlesbare Logik übersetzen
- LLM konfigurieren und optimieren (Prompt Engineering, Few-Shot)
- Embedding-Modell für Fallklassifizierung
- Confidence Scoring und Eskalationslogik
- Automatische E-Mail-Generierung
- Training und Evaluierung auf historischen Daten
- Labeling-Framework für Bilddaten aufbauen
- Vision-Modell trainieren (Schadensart, Schweregrad)
- Steckbrief-Logik für automatisierte Schadensbefunde
- Mustererkennung für wiederkehrende Schäden
Basic qualifications
- Praxis mit Open-Source-LLMs (Mistral, LLaMA oder vergleichbar)
- Starkes Prompt Engineering (System Prompts, Few-Shot, Chain-of-Thought)
- NLP-Erfahrung (Klassifizierung, Embeddings, Entity Recognition)
- Computer Vision (Bildklassifizierung, Object Detection)
- Python ML-Stack (PyTorch, Hugging Face Transformers)
- Datenaufbereitung und Feature Engineering
- Saubere Evaluierung (Metriken, Confusion Matrix, Grenzfälle)
Preferred qualifications
- Fine-Tuning (LoRA, QLoRA)
- Regelbasierte Systeme neben ML
- Serving-Frameworks (vLLM, TGI)
- Vector Databases (Qdrant, Weaviate)
Benefits
- Flexible Arbeitszeiten
- Gleitzeit
- Homeoffice-Möglichkeit
- Kostenlose Getränke
- Kostenloser Parkplatz
Tags & focus areas
Used for matching and alerts on DevFound Remote Data Science Generative Ai Ai