Używamy techniczne pliki cookie i statystyki odwiedzin: Yandex Metrica i zanonimizowany dziennik odwiedzin Zorky. Nigdy nie sprzedajemy danych. Więcej o cookies i statystykach.
Zorky działa w trybie testowym — wszystko jest bezpłatne. Ta strona to tylko demo: nazwy firm, linki i osobiste zestawienie ofert otwierają się po rejestracji. Zarejestruj się →
ZorkyZorky
EN|RU|PL|DE|ES|FR|PT
@termdocs
← Wszystkie oferty

AI Engineer

SeniorremoteBerlin, PL1 tydz. temu
Stack
DocumentationUse CasesArtificial Intelligence (AI)TestingMicrosoft DynamicsMachine Learning (ML)Microsoft AzureGxP (Good anything Practice)Amazon Web Services (AWS)Deploymentazuredatabricks
Pokaż firmę i link
Bezpłatnie, po zalogowaniu.
Aplikuj
Prześlij CV — pracodawcy i rekruterzy z różnych krajów, którzy szukają takiego profilu, będą mogli napisać do Ciebie bezpośrednio.
Wyślij CV →
Opis
B2B contract , full-time, 12 months + extensions Working model: 100% remote We are looking for an experienced AI Engineer to design, build, validate and maintain production-grade LLM-based solutions for clinical and life-sciences use cases. The role combines hands-on GenAI engineering with strong Databricks, MLflow, LLM observability and GxP validation practices. You will work on AI solutions that require not only strong technical performance, but also traceability, reproducibility, documentation, controlled releases and audit readiness . Your responsibilities Designing, developing, validating and maintaining LLM-based solutions for clinical and life-sciences use cases. Building prompt workflows, RAG solutions, tool integrations, guardrails and human-in-the-loop mechanisms. Designing and maintaining knowledge graphs and graph-based AI solutions using technologies such as Neo4j. Building controlled end-to-end AI pipelines in Databricks . Supporting data ingestion, preparation, model integration, evaluation, deployment and monitoring. Integrating AI solutions with MLflow to capture: model and prompt versions, parameters, datasets, evaluation results, approvals, lineage, deployment records, associated technical artifacts. Using Langfuse for LLM observability, tracing and performance monitoring. Investigating unexpected model behaviour and supporting root cause analysis. Establishing end-to-end traceability across requirements, data, prompts, models, tests, approvals, releases an
Pełny opis, firma i link do aplikacji — po zalogowaniu. Zaloguj się
Kontakty pracodawcy (e-mail/telefon/Telegram) są ukryte w publicznym podglądzie. Wyślij CV — a pracodawcy będą mogli napisać do Ciebie sami.
Pilne pytanie? Napisz @termdocs