Acerca del puesto
Ingeniero de LLM sénior – GenAI / ML (Python, Langchain)
Tiempo completo Ubicación: India Experiencia total: 7–12 años
Enfoque: Puesto de ingeniería práctica centrado en el diseño, la creación y el despliegue de soluciones basadas en IA Generativa y LLM. El puesto requiere un profundo dominio técnico de Python y de los frameworks modernos de LLM, con capacidad para contribuir al desarrollo de la hoja de ruta y a la colaboración multifuncional.
Responsabilidades principales:
- Diseñar y desarrollar sistemas basados en GenAI/LLM utilizando herramientas como Langchain y pipelines de generación aumentada por recuperación (RAG).
- Implementar técnicas de ingeniería de prompts y frameworks basados en agentes para ofrecer soluciones inteligentes y sensibles al contexto.
- Colaborar con el equipo de ingeniería para dar forma e impulsar la hoja de ruta técnica de las iniciativas de LLM.
- Traducir las necesidades de negocio en soluciones de IA escalables y listas para producción.
- Trabajar estrechamente con los expertos en la materia (SME) de negocio y los equipos de datos para garantizar la alineación de los modelos de IA con casos de uso del mundo real.
- Contribuir a las discusiones de arquitectura, a las revisiones de código y a la optimización del rendimiento.
Habilidades requeridas:
- Dominio de Python, Langchain y SQL.
- Comprensión del funcionamiento interno de los LLM, incluidos el ajuste de prompts, los embeddings, las bases de datos vectoriales y los flujos de trabajo de agentes.
- Formación en aprendizaje automático o ingeniería de software, con enfoque en el pensamiento a nivel de sistema.
- Experiencia de trabajo con plataformas en la nube como AWS, Azure o GCP.
- Capacidad para trabajar de forma independiente y, al mismo tiempo, colaborar eficazmente entre equipos.
- Excelentes habilidades de comunicación y de gestión de partes interesadas.
Cualificaciones preferidas:
- 1+ años de experiencia práctica en LLM y técnicas de IA Generativa.
- Experiencia contribuyendo a pipelines de productos de ML/IA o a despliegues de extremo a extremo.
- Familiaridad con MLOps y con patrones de despliegue escalables para modelos de IA.
- Exposición previa a proyectos de cara al cliente o a equipos multifuncionales de IA.