Senior Machine Learning Ingenieur - LLM-Evaluierung / Aufgabenerstellung (Standort Indien)

Rollenübersicht

Mercor rekrutiert im Auftrag eines führenden KI-Forschungslabors hochqualifizierte Machine Learning Ingenieure mit nachweislicher Erfahrung im Aufbau, Training und der Evaluierung von hochleistungsfähigen ML-Systemen in realen Umgebungen. In dieser Rolle entwerfen, implementieren und kuratieren Sie hochwertige Machine Learning Datensätze, Aufgaben und Evaluierungs-Workflows, die das Training und Benchmarking fortschrittlicher KI-Systeme ermöglichen.

Diese Position ist ideal für Ingenieure, die sich in kompetitiven Machine Learning Umgebungen wie Kaggle ausgezeichnet haben, über eine ausgeprägte Modellierungsintuition verfügen und komplexe Problemstellungen aus der realen Welt in robuste, gut strukturierte ML-Pipelines und Datensätze übersetzen können. Sie arbeiten eng mit Forschern und Ingenieuren zusammen, um realistische ML-Probleme zu entwickeln, die Qualität der Datensätze sicherzustellen und reproduzierbare, wirkungsvolle Experimente voranzutreiben.

Bewerber sollten 3–5+ Jahre angewandte ML-Erfahrung oder eine starke Erfolgsbilanz im kompetitiven ML vorweisen können und müssen in Indien ansässig sein. Ideale Kandidaten sind versiert in Python, erfahren im Aufbau reproduzierbarer Pipelines und vertraut mit Benchmarking-Frameworks, Scoring-Methoden und Best Practices für die ML-Evaluierung.

Verantwortlichkeiten

• Einzigartige ML-Probleme zur Verbesserung der ML-Fähigkeiten von LLMs formulieren.
• Machine Learning Modelle für Klassifizierungs-, Vorhersage-, NLP-, Empfehlungs- oder generative Aufgaben entwerfen, aufbauen und optimieren.
• Schnelle Experimentierzyklen durchführen, die Modellleistung bewerten und kontinuierlich iterieren.
• Fortgeschrittenes Feature Engineering und Datenvorverarbeitung durchführen.
• Adversarial Testing, Modellrobustheitsprüfungen und Bias-Evaluierungen implementieren.
• Transformer-basierte Modelle bei Bedarf feinabstimmen, evaluieren und bereitstellen.
• Klare Dokumentation von Datensätzen, Experimenten und Modellentscheidungen pflegen.
• Über die neuesten ML-Forschungsergebnisse, Tools und Techniken auf dem Laufenden bleiben, um die Modellierungsfähigkeiten voranzutreiben.

Erforderliche Qualifikationen

• Mindestens 3–5 Jahre Vollzeiterfahrung in der Entwicklung von Machine Learning Modellen
• Technischer Abschluss in Informatik, Elektrotechnik, Statistik, Mathematik oder einem verwandten Fachgebiet
• Nachweisliche Erfahrung im kompetitiven Machine Learning (Kaggle, DrivenData oder Äquivalente)
• Nachweis von Spitzenleistungen in ML-Wettbewerben (Kaggle-Medaillen, Finalistenplatzierungen, Leaderboard-Rankings)
• Ausgeprägte Kenntnisse in Python, PyTorch/TensorFlow und modernen ML/NLP-Frameworks
• Fundiertes Verständnis der ML-Grundlagen: Statistik, Optimierung, Modellevaluierung, Architekturen
• Erfahrung mit verteiltm Training, ML-Pipelines und Experiment-Tracking
• Ausgeprägte Problemlösungsfähigkeiten und algorithmisches Denken
• Erfahrung in der Arbeit mit Cloud-Umgebungen (AWS/GCP/Azure)
• Außergewöhnliche analytische, Kommunikations- und zwischenmenschliche Fähigkeiten
• Fähigkeit, Modellierungsentscheidungen, Kompromisse und Evaluierungsergebnisse klar zu erläutern
• Fließende Englischkenntnisse

Bevorzugte Qualifikationen / Von Vorteil

• Kaggle Grandmaster, Master oder mehrere Goldmedaillen
• Erfahrung in der Erstellung von Benchmarks, Evaluierungen oder ML-Herausforderungsproblemen
• Hintergrund in generativen Modellen, LLMs oder multimodalen Lernverfahren
• Erfahrung mit großskaliertem verteiltem Training
• Frühere Erfahrung in der KI-Forschung, mit ML-Plattformen oder in Infrastruktur-Teams
• Beiträge zu technischen Blogs, Open-Source-Projekten oder Forschungspublikationen
• Frühere Mentoring- oder technische Führungserfahrung
• Veröffentlichte Forschungsarbeiten (Konferenz oder Fachzeitschrift)
• Erfahrung mit LLM-Feinabstimmung, Vektordatenbanken oder generativen KI-Workflows
• Vertrautheit mit MLOps-Tools: Weights & Biases, MLflow, Airflow, Docker, etc.
• Erfahrung in der Optimierung der Inferenzleistung und der Bereitstellung von Modellen in großem Maßstab

Warum beitreten

• Zugang zu modernsten KI-Forschungsworkflows erhalten und eng mit Data Scientists, ML-Ingenieuren und Forschungsleitern zusammenarbeiten, die KI-Systeme der nächsten Generation gestalten.
• An wirkungsvollen Machine Learning Herausforderungen arbeiten und dabei mit fortgeschrittenen Modellierungsstrategien, neuen Analysemethoden und Validierungstechniken auf Wettbewerbsniveau experimentieren.
• Mit erstklassigen KI-Laboren und technischen Teams zusammenarbeiten, die an der Spitze von Prognosen, Experimenten, tabellarischem ML und multimodaler Analytik agieren.
• Flexible Engagement-Optionen (30–40 Std./Woche oder Vollzeit) — ideal für ML-Ingenieure, die Kaggle-Niveau-Problemlösung auf reale, produktionsreife KI-Systeme anwenden möchten.
• Vollständig remote und global flexibel — optimiert für tiefgreifende technische Arbeit, asynchrone Zusammenarbeit und forschungsintensive Umgebungen mit hoher Leistung.