Über reeeliance
reeeliance ist eine Consultancy, die sich auf Data Management, Fast Data, Advanced Analytics, DataOps und AI Readiness spezialisiert. Mit über 50 IT-Consultants und Engineers an den Standorten Hamburg, Berlin und Porto unterstützen wir internationale Clients bei der Modernisierung ihrer SAP-Landschaften und dem Übergang zur Cloud. Wir kombinieren strategische Weitsicht mit solider Data- und Software-Engineering-Handwerkskunst, um skalierbare Informationsökosysteme zu definieren, zu bauen und zu betreiben.
Aufgaben
Als Junior AI Developer entwickeln Sie robuste Backend-Services, primär in Python, um Large Language Models (LLMs), Vector Databases und andere AI-Komponenten in bestehende Anwendungslandschaften zu integrieren.
- Entwicklung sauberen, sicheren und wartbaren Codes nach zentralen Code-Quality-Guidelines und Architekturprinzipien
- Zusammenarbeit mit Senior Engineers beim Aufbau unserer Internal Developer Platform und Nutzung von Modulen für Infrastructure Self-Service mit Terraform
- Design, Testing und Optimierung von Prompts für Language Models zur Erreichung hochwertiger, zuverlässiger Outputs
- Implementierung von Retrieval-Augmented Generation (RAG) Pipelines, einschließlich Document Chunking, Embedding Generation und Vector Search Strategien
- Evaluierung und Verfolgung der AI-Modell-Performance gemäß unserer AI Evaluation und Testing Frameworks
- Erstellung und Training von Machine Learning Modellen und Neural Networks für Computer Vision, Spracherkennung und Datenanalyse
- Dokumentation technischer Entscheidungen, API-Endpunkte und Systemarchitekturen
- Aktive Teilnahme an Code Reviews und Zusammenarbeit mit Data Engineers, Stakeholdern und Project Managern
- Datenbereinigung und -vorbereitung zur Modellierung und Optimierung
- Kontinuierliche Information über aktuelle AI-Technologien und Industrie-Trends
Anforderungen
- Mindestens 1+ Jahre Erfahrung in AI Engineering, Data Science oder Machine Learning
- Starke Programmierkenntnisse in Python mit Vertrautheit mit Software Design Patterns und OOP-Konzepten
- Verständnis von Versionskontrolle (Git), CI/CD-Konzepten und RESTful API-Entwicklung (FastAPI, Flask, Plumber)
- Grundverständnis des GenAI-Stacks (LLMs, Vector Databases, Frameworks wie LangChain)
- Erfahrung mit Cloud-Plattformen (AWS, Microsoft Azure, Google Cloud)
- Erfahrung bei der Bereitstellung von AI-Lösungen mit Docker und Kubernetes
- Wissen über Datenbanksysteme (SQL und NoSQL) sowie Data Engineering Konzepte
- Kenntnisse in No-Code und Automation Tools (Make, n8n, Airtable)
- Praktische Erfahrung mit RAG-Anwendungen oder lokaler Bereitstellung von Open-Source-Modellen
- MLOps-Kenntnisse und CI/CD-Pipeline-Verständnis
- Effektive Zusammenarbeitsfähigkeit mit Clients, Team-Mitgliedern und funktionsübergreifenden Teams
- Natürliche Neugier auf aktuelle AI-Papers und Open-Source-Tools
- Verständnis für den Unterschied zwischen AI-Prototypen und produktionsreifer AI mit Focus auf Testing und Security
- Ausgezeichnete schriftliche und mündliche Kommunikationsfähigkeiten: Deutsch (C1) und Englisch (B2)