Mexiko
Corning
Marsh McLennan
Oliver Wyman - ML Engineer - Generative AI & Unstructured Data - Mexiko City
RemoteMexiko
Ciudad de México, Mexico
PythonSQLDocker
Automatische Übersetzung. Prüfe das Original.
UNTERNEHMEN
Oliver Wyman
Oliver Wyman ist ein Geschäft von Marsh (NYSE: MRSH), einem weltweit führenden Anbieter in den Bereichen Risiko, Rückversicherung und Kapital, Personal und Investitionen sowie Managementberatung, der Kunden in 130 Ländern berät. Mit einem Jahresumsatz von über 27 Milliarden US-Dollar und mehr als 95,000 Kollegen hilft Marsh, durch die Kraft der Perspektive das Selbstvertrauen zu stärken, um erfolgreich zu sein. Weitere Informationen finden Sie unter oliverwyman.com oder folgen Sie uns auf LinkedIn und X.
Marsh setzt sich für die Schaffung eines vielfältigen, integrativen und flexiblen Arbeitsumfelds ein. Wir bemühen uns, die besten Mitarbeiter zu gewinnen und zu halten und die Vielfalt in Bezug auf Alter, Herkunft, Behinderung, ethnische Zugehörigkeit, familiäre Pflichten, Geschlechtsidentität oder -ausdruck, Familienstand, Nationalität, Elternstatus, persönliche oder soziale Stellung, politische Zugehörigkeit, Rasse, Religion und Überzeugungen, Geschlecht, sexuelle Orientierung oder Ausdruck, Hautfarbe oder jede andere gesetzlich geschützte Eigenschaft zu fördern.
BESCHREIBUNG
Über Oliver Wyman
Oliver Wyman, ein Unternehmen von Marsh (NYSE: MRSH), ist eine Managementberatung, die sich durch tiefes Branchenwissen, kühne Innovation und einen kollaborativen Ansatz auszeichnet, um Organisationen bei der Bewältigung ihrer prägendsten Transformationsmomente zu unterstützen.
Weitere Informationen finden Sie unter oliverwyman.com oliverwyman.com/ oder folgen Sie uns auf LinkedIn [linkedin.com/company/oliver-wyman]and X x.com/OliverWyman.
Stellenübersicht
Wir suchen einen ML Engineer – Generative AI & Unstructured Data, der KI-Systeme entwirft, entwickelt und operationalisiert, um unternehmensweite unstrukturierte Daten in skalierbare, produktionsreife Dienste und intelligente Anwendungen zu verwandeln.
Dies ist eine Rolle für einen Ingenieur, der eigenständig an klar definierten Komponenten arbeiten, an Design-Diskussionen teilnehmen und im Laufe der Zeit eine breitere technische Verantwortung übernehmen kann. Es wird nicht erwartet, dass Sie Architektur-Entscheidungen eigenständig leiten, aber Sie sollten ein selbstbewusster, eigenverantwortlicher Praktiker sein.
Die Rolle liegt an der Schnittstelle von machine learning Engineering, MLOps und Generative AI. Sie werden robuste ML-Pipelines erstellen, KI-Dienste bereitstellen und überwachen sowie skalierbare APIs und Retrieval-Systeme entwickeln, die es internen Anwendungen und Geschäftsteams ermöglichen, KI-Funktionen sicher und zuverlässig zu nutzen.
Sie werden eng mit Data Scientists, Data Engineers und Anwendungsentwicklern zusammenarbeiten, um Modelle zu produzieren und unternehmensweite KI-Lösungen mit modernen Cloud- und ML-Tools zu liefern.
Hauptverantwortlichkeiten
- Entwerfen und Erstellen skalierbarer ML-Pipelines, die unstrukturierte Daten wie Dokumente, Transkripte, Bilder, Protokolle und Freitext aufnehmen und verarbeiten.
- Entwickeln und Pflegen produktionsreifer KI-Dienste und APIs, die von internen Anwendungen und Analyseplattformen genutzt werden.
- Produktivsetzung von machine learning und Generative AI-Lösungen, einschließlich Modell-Packaging, Containerisierung, Bereitstellung, Versionierung und Lebenszyklusmanagement.
- Erstellen und Integrieren von Generative AI-Workflows wie Retrieval-Augmented Generation (RAG), Embedding-Pipelines, semantische Suche und LLM-gestützte APIs.
- Implementieren von Überwachungs-, Beobachtbarkeits- und Modellleistungs-Tracking, um die Zuverlässigkeit, Skalierbarkeit und SLA-Konformität bereitgestellter Systeme sicherzustellen.
- Zusammenarbeit mit Data Scientists, um experimentelle Modelle in stabile Produktionsumgebungen zu überführen.
- Beitrag zu CI/CD und MLOps-Praktiken, einschließlich automatisiertem Testen, Bereitstellungsautomatisierung, Retraining-Workflows und Standardisierung der Infrastruktur.
- Partnerschaft mit funktionsübergreifenden Stakeholdern, um Geschäftsanforderungen in skalierbare KI-gestützte Lösungen zu übersetzen.
- Klare Dokumentation von Systemen und Entscheidungen, damit Teamkollegen Ihre Arbeit verstehen, erweitern und pflegen können.
Erforderliche Erfahrung
- 3+ Jahre Berufserfahrung in ML Engineering, Applied AI, Data Science oder verwandten Ingenieurberufen mit klarem Fokus auf Produktionssysteme.
- Praktische Erfahrung im Aufbau von Lösungen mit unstrukturierten Daten, einschließlich NLP-Pipelines, Dokumentenverarbeitung, OCR, Textklassifizierung, Embeddings, Entity Extraction oder semantischer Suche.
- Beherrschung von Python und SQL; Erfahrung im Aufbau skalierbarer Daten- und ML-Workflows mit PySpark und Databricks oder ähnlichen verteilten Compute-Plattformen.
- Erfahrung in der Entwicklung und Bereitstellung von Produktions- APIs für ML-Modell-Serving mit FastAPI oder ähnlichen Frameworks.
- Vertrautheit mit MLOps-Praktiken, einschließlich CI/CD für ML, Modellüberwachung, automatisiertem Retraining, Docker und Git-basierten Workflows. Tiefgreifende Expertise ist auf diesem Niveau nicht erforderlich, aber Sie sollten ein kompetenter Praktiker sein.
- Erfahrung mit Cloud-basierten KI/ML-Plattformen und Enterprise-Deployment-Umgebungen.
- Starke Software-Engineering-Grundlagen, einschließlich lesbarem Code, Tests, Debugging und Leistungsoptimierung.
Fähigkeiten und Eigenschaften
- Ingenieururteil: Fähigkeit, Skalierbarkeit, Wartbarkeit und Geschwindigkeit angesichts realer Einschränkungen abzuwägen.
- Klare Kommunikation: Fähigkeit, Trade-offs und technische Entscheidungen sowohl Ingenieurkollegen als auch nicht-technischen Stakeholdern zu erklären.
- Kollaborativ und teamorientiert: Sucht frühzeitig Input, teilt proaktiv Kontext und arbeitet effektiv mit Ingenieur-, Analyse- und Geschäftsteams zusammen.
- Ownership-Mentalität mit Verantwortlichkeit für die Zuverlässigkeit und Wirkung bereitgestellter KI-Lösungen.
- Intellektuell neugierig mit echtem Interesse an der Anwendung von Generative AI und ML auf reale Unternehmensprobleme – nicht nur oberflächliche Vertrautheit mit der Technologie.
- Komfort mit Ambiguität: Fähigkeit, Fortschritte zu erzielen, ohne dass jede Anforderung vollständig definiert ist, und zu wissen, wann Unsicherheiten gemeldet werden müssen.
- Anpassungsfähigkeit und Komfort im Umgang mit sich schnell entwickelnden technischen Umgebungen.
- Hohe Detailgenauigkeit und Engagement für den Aufbau hochwertiger, benutzerzentrierter Lösungen.
Bevorzugt (Gut zu haben)
- Erfahrung mit Generative AI und LLM-Ökosystemen, einschließlich OpenAI, Azure OpenAI oder Open-Source-Modellen.
- Vertrautheit mit Orchestrierungs-Frameworks wie LangChain oder LlamaIndex.
- Erfahrung mit Vektordatenbanken und Retrieval-Plattformen wie Azure AI Search, Pinecone oder pgvector.
- Einblick in verantwortungsvolle KI-Praktiken, einschließlich Erklärbarkeit, Bias-Erkennung, Governance und Modellrisikomanagement.
Marsh setzt sich für hybrides Arbeiten ein, das die Flexibilität des Fernzugriffs und die Vorteile der Zusammenarbeit, Vernetzung und beruflichen Entwicklung durch die gemeinsame Arbeit im Büro bietet. Alle Marsh-Kollegen werden erwartet, mindestens drei Tage pro Woche in ihrem lokalen Büro oder vor Ort bei Kunden zu arbeiten. Büroteams werden mindestens einen „Anker-Tag“ pro Woche festlegen, an dem ihr gesamtes Team persönlich zusammenkommt.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellenWeiter entdecken
Capgemini
Concesionaria Vuela Compañía de Aviación S.A.P.I
