Ervaren Ingenieur Machine Learning - Evaluatie van Grote Taalmodellen / Taakcreatie (Gebaseerd in India)

Roloverzicht

Mercor werft aan namens een toonaangevend AI-onderzoekslab om zeer bekwame Machine Learning Ingenieurs aan te trekken met een bewezen staat van dienst in het bouwen, trainen en evalueren van hoogwaardige ML-systemen in praktijkomgevingen. In deze rol ontwerp, implementeer en beheer je hoogwaardige machine learning datasets, taken en evaluatieworkflows die de training en benchmarking van geavanceerde AI-systemen aandrijven.

Deze functie is ideaal voor ingenieurs die hebben uitgeblonken in competitieve machine learning-omgevingen zoals Kaggle, beschikken over diepgaande modelleringsintuïtie en complexe probleemstellingen uit de praktijk kunnen vertalen naar robuuste, goed gestructureerde ML-pipelines en datasets. Je werkt nauw samen met onderzoekers en ingenieurs om realistische ML-problemen te ontwikkelen, de datasetkwaliteit te waarborgen en reproduceerbare, impactvolle experimenten te stimuleren.

Kandidaten dienen 3–5+ jaar ervaring te hebben in toegepaste ML of een sterke staat van dienst in competitieve ML, en moeten gevestigd zijn in India. Ideale kandidaten zijn bedreven in Python, ervaren in het bouwen van reproduceerbare pipelines en bekend met benchmarking-frameworks, scoringsmethodologieën en best practices voor ML-evaluatie.

Verantwoordelijkheden

• Unieke ML-problemen formuleren ter verbetering van de ML-mogelijkheden van Grote Taalmodellen (LLM's).
• Machine learning-modellen ontwerpen, bouwen en optimaliseren voor classificatie-, voorspellings-, NLP-, aanbevelings- of generatieve taken.
• Snelle experimentatiecycli uitvoeren, modelprestaties evalueren en continu itereren.
• Geavanceerde feature engineering en datavoorbewerking uitvoeren.
• Adversariële testen, modelrobuustheidscontroles en bias-evaluaties implementeren.
• Transformer-gebaseerde modellen fine-tunen, evalueren en deployen waar nodig.
• Duidelijke documentatie bijhouden van datasets, experimenten en modelbeslissingen.
• Op de hoogte blijven van het nieuwste ML-onderzoek, tools en technieken om de modelleringsmogelijkheden te bevorderen.

Vereiste Kwalificaties

• Minimaal 3–5 jaar fulltime ervaring in de ontwikkeling van machine learning-modellen
• Technische graad in Computerwetenschappen, Elektrotechniek, Statistiek, Wiskunde of een gerelateerd vakgebied
• Aantoonbare competitieve machine learning-ervaring (Kaggle, DrivenData of equivalent)
• Bewijs van top-tier prestaties in ML-competities (Kaggle-medailles, finaleplaatsingen, leaderboard-ranglijsten)
• Sterke vaardigheid in Python, PyTorch/TensorFlow en moderne ML/NLP-frameworks
• Gedegen begrip van ML-grondbeginselen: statistiek, optimalisatie, modelevaluatie, architecturen
• Ervaring met gedistribueerde training, ML-pipelines en experiment-tracking
• Sterke probleemoplossende vaardigheden en algoritmisch denken
• Ervaring met werken in cloudomgevingen (AWS/GCP/Azure)
• Uitzonderlijke analytische, communicatieve en interpersoonlijke vaardigheden
• Vermogen om modelleringsbeslissingen, afwegingen en evaluatieresultaten duidelijk uit te leggen
• Vloeiend in Engels

Voorkeur / Pre

• Kaggle Grandmaster, Master of meerdere Gouden Medailles
• Ervaring met het creëren van benchmarks, evaluaties of ML-uitdagingsproblemen
• Achtergrond in generatieve modellen, Grote Taalmodellen (LLM's) of multimodale learning
• Ervaring met grootschalige gedistribueerde training
• Eerdere ervaring in AI-onderzoek, ML-platforms of infrastructuurteams
• Bijdragen aan technische blogs, open-source projecten of onderzoekspublicaties
• Eerdere mentor- of technisch leiderschapservaring
• Gepubliceerde onderzoekspapers (conferentie of tijdschrift)
• Ervaring met het fine-tunen van Grote Taalmodellen (LLM's), vector databases of generatieve AI-workflows
• Bekendheid met MLOps-tools: Weights & Biases, MLflow, Airflow, Docker, etc.
• Ervaring met het optimaliseren van inferentieprestaties en het deployen van modellen op schaal

Waarom Meedoen

• Krijg inzicht in geavanceerde AI-onderzoeksworkflows, door nauw samen te werken met data scientists, ML-ingenieurs en onderzoeksleiders die de volgende generatie AI-systemen vormgeven.
• Werk aan impactvolle machine learning-uitdagingen terwijl je experimenteert met geavanceerde modelleringsstrategieën, nieuwe analytische methoden en validatietechnieken van competitieniveau.
• Werk samen met AI-labs en technische teams van wereldklasse die opereren aan de grens van forecasting, experimentatie, tabulaire ML en multimodale analyses.
• Flexibele engagementopties (30–40 uur/week of fulltime) — ideaal voor ML-ingenieurs die graag probleemoplossing op Kaggle-niveau willen toepassen op real-world, productieklare AI-systemen.
• Volledig remote en wereldwijd flexibel — geoptimaliseerd voor diepgaand technisch werk, asynchrone samenwerking en onderzoeksomgevingen met hoge output.