Senior AI Developer (LLM/VLM/Agent Applications)

Description

• Automation and Operational Efficiency: Identify opportunities to streamline processes, automate workflows, and improve research and development velocity
• AI Application Development: Develop and enhance AI applications using pre-trained or existing models (LLMs, VLMs, 3D CAD models) and ensure the seamless integration of AI components into larger software systems
• Conception et collaboration : participer aux discussions de conception avec les architectes logiciels et les chercheurs, en assurant une transition fluide entre la recherche et la production. Collaborer avec diverses équipes interfonctionnelles, notamment les chefs de produit et les concepteurs UX
• Design and Collaboration: Participate in design discussions with software architects and researchers, ensuring smooth transitions from research to production. Collaborate with diverse cross-functional teams including product managers and UX designers
• LLMOps and AgentOps: Implement and optimize LLMOps and AgentOps practices
• Best Practices and Governance: Advocate for and establish best practices in code quality, infrastructure maintenance, model governance, security, and compliance
• End-to-End System Integration: Build and integrate end-to-end systems and applications, focusing on system design, user experience, and application logic
• Développement d'applications d'IA : développer et améliorer des applications d'IA à l'aide de modèles pré-entraînés ou existants (LLM, VLM, modèles CAO 3D) et assurer l'intégration transparente des composants d'IA dans des systèmes logiciels plus vastes

Requirements

• Esprit d'initiative pour trouver des solutions et résoudre des problèmes de manière autonome
• Agent-Based Frameworks and Tools: Familiarity with advanced frameworks such as LangFlow, LlamaIndex, LangGraph, and agent-based frameworks. Experience with agent/LLM/multi-component pipeline evaluations
• 3 à 5 ans d'expérience en MLOps / DevOps dans un environnement de production
• Observability Frameworks: Experience with observability frameworks like Arize, Comet, Phoenix, Langfuse, MLflow, RAGAS, Dynatrace etc.
• Retrieval-Augmented Generation: Experience leveraging retrieval-augmented generation (RAG) techniques
• Expertise in containerization technologies (e.g., Docker, Kubernetes) for orchestrating and scaling machine learning applications
• Expérience dans le traitement, la formation, le déploiement ou l'exploitation de données dans le cloud (par exemple, AWS, GCP)
• 3-5 years of experience in MLOps / DevOps in a production environment
• Proficiency with CI/CD pipelines for machine learning projects
• Self-starter with the initiative to find solutions and solve problems independently
• Experience in implementing Infrastructure as Code (IaC) using tools like Terraform
• Expérience dans la création d'API d'inférence fiables et évolutives (par exemple, Flask, FastAPI)
• Context Engineering: Experience with context engineering for enhancing AI model performance
• Understanding of security best practices in MLOps, including data encryption, access controls, and compliance standards
• Intégration de systèmes de bout en bout : créer et intégrer des systèmes et des applications de bout en bout, en mettant l'accent sur la conception du système, l'expérience utilisateur et la logique applicative
• Diplôme en science des données, informatique, statistiques ou dans un domaine connexe, ou expérience professionnelle équivalente
• Cadres d'observabilité : expérience avec des cadres d'observabilité tels que Arize, Comet, Phoenix, Langfuse, MLflow, RAGAS, Dynatrace, etc.
• Comfortable adapting to changing requirements and working in ambiguous areas
• Compréhension des meilleures pratiques en matière de sécurité dans le domaine des MLOps, y compris le chiffrement des données, les contrôles d'accès et les normes de conformité
• Experience developing web applications and APIs
• Cadres et outils basés sur des agents : connaissance des cadres avancés tels que LangFlow, LlamaIndex, LangGraph et des cadres basés sur des agents. Expérience dans l'évaluation de pipelines basés sur des agents/LLM/multi-composants
• Meilleures pratiques et gouvernance : promouvoir et établir les meilleures pratiques en matière de qualité du code, de maintenance de l'infrastructure, de gouvernance des modèles, de sécurité et de conformité
• Maîtrise des outils et bibliothèques d'apprentissage automatique, d'apprentissage profond et de modélisation statistique (par exemple, PyTorch, TensorFlow, Pandas, SciKitLearn, PySpark)
• Proficient in Python and at least one other widely used programming language (e.g., C++, Java, JavaScript, etc.)
• Expérience des meilleures pratiques du secteur en matière de développement et de maintenance de bases de code complexes
• 8+ years of experience in software development
• Capacité à décomposer des problèmes complexes en éléments plus petits et à fournir des solutions claires
• Automatisation et efficacité opérationnelle : identifier les opportunités de rationalisation des processus, d'automatisation des flux de travail et d'amélioration de la vitesse de recherche et développement
• Plus de 8 ans d'expérience dans le développement de logiciels
• Une expérience avec les logiciels de CAO ou dans les secteurs de la conception et de la fabrication est un atout.
• Familiarity with leveraging inference accelerator tools (ONNX, TensorRT, Triton) for real-time and high throughput inference runtimes is a plus
• Expertise dans les technologies de conteneurisation (par exemple, Docker, Kubernetes) pour l'orchestration et la mise à l'échelle des applications d'apprentissage automatique
• Ability to break down large problems into smaller components and provide clear solutions
• Experience building reliable and scalable inference APIs (e.g., Flask, FastAPI)
• Génération augmentée par la récupération : expérience dans l'utilisation des techniques de génération augmentée par la récupération (RAG)
• Experience with AI platforms like Databricks, SageMaker, Vertex AI, etc.
• Maîtrise de Python et d'au moins un autre langage de programmation couramment utilisé (par exemple, C++, Java, JavaScript, etc.)
• Expérience dans le développement d'applications web et d'API
• Experience with cloud data processing, training, deployment, or operations (e.g., AWS, GCP)
• LLMOps et AgentOps : mettre en œuvre et optimiser les pratiques LLMOps et AgentOps
• Familiarity with machine learning, deep learning, and statistical modeling tools and libraries (e.g., PyTorch, TensorFlow, Pandas, SciKitLearn, PySpark)
• Experience with industry best practices for developing and maintaining complex codebases
• Ingénierie contextuelle : expérience dans l'ingénierie contextuelle pour améliorer les performances des modèles d'IA
• Expérience avec des plateformes d'IA telles que Databricks, SageMaker, Vertex AI, etc.
• Degree in Data Science, Computer Science, Statistics, or a related field, or equivalent professional experience
• Maîtrise des pipelines CI/CD pour les projets d'apprentissage automatique
• Capacité à s'adapter à des exigences changeantes et à travailler dans des domaines ambigus
• Experience with CAD software or in the design and manufacturing industries is a plus
• Expérience dans la mise en œuvre d'infrastructures en tant que code (IaC) à l'aide d'outils tels que Terraform
• La maîtrise des outils d'accélération de l'inférence (ONNX, TensorRT, Triton) pour les environnements d'exécution d'inférence en temps réel et à haut débit est un atout

Benefits

Training + Development

Interview process

Visa Sponsorship

Security clearance