Ledigt jobb: Civilingenjör, systemutveckling

Modulai arbetar med fisk, tåg, kläder, pengar, husdjur, kontorsutrymmen, ljudsensorer och mycket mer. Om det finns data, gör vi ML (Maskininlärning) på det.

Vårt team består av hängivna ML-ingenjörer med starka meriter från några av Sveriges mest framgångsrika startups. Vi arbetar på projektbasis och tar ansvar från början till slut. Vi älskar ML och vi tror att det bästa sättet för oss att utöka vår kunskap är att utsättas för en diversifierad uppsättning utmanande och roliga projekt.

MASKINLÄRNINGSTEKNIKER

Som medlem i ML-teamet kommer du att arbeta med ett brett spektrum av problem med en gemensam nämnare – ML kommer att vara den centrala ingrediensen. Projekten kan vara externa såväl som interna – och i alla fall är leverans centralt.

Du kommer att behöva analysera problemet, komma på en lösningsstrategi och genomföra den. Detta innebär vanligtvis att du får en djup förståelse för utmaningen, förstår de tillgängliga data och sedan omformulerar det som ett ML-problem. Det kräver öppenhet, kreativitet och en iver att lära sig nya metoder och utforska nya områden.

Vi angriper ofta dessa problem som ett team, vilket innebär att du måste kunna förklara ditt resonemang och din kod tydligt för att engagera resten av oss.

Vår teknikstack

• Python / R – standard open-source bibliotek
• Scikit-learn och olika specialiserade Python- och R ML-bibliotek
• Stora språkmodeller (LLM) ramverk som LangChain/LlamaIndex, LangGraph, CrewAI
• Molnplattformar som AWS, GCP och Azure
• CI/CD: DVC, Github Actions, Sagemaker/VertexAI/AzureML
• Relationsdatabashanteringssystem
• MLOps och LLMOps verktyg för modellutplacering och övervakning.
• Bästa praxis för mjukvaruutveckling, inklusive testning, versionskontroll (Git) och containerisering (Docker, Kubernetes)
• Orkestrering: Airflow, AWS Step functions, etc. Ingenjörs/LLM/utplacering: Kubernetes, docker, terraform

Ansvarsområden

• Analysera och planera problem, lösningar och leverans med intressenthantering och kommunikation med klienter
• Förbehandling, funktionsteknik och datasetsskapande
• Utveckling, finjustering och utvärdering av ML- och LLM-modeller
• Validering av resultat och modellens tolkbarhet
• Bygga och optimera datapipelines och ML/LLM-infrastruktur
• Utveckla API:er och integrera ML-modeller i produktionssystem
• Säkerställa skalbarhet, övervakning och prestandaoptimering av distribuerade modeller

Bakgrund & Färdigheter

• MSc eller Ph.D. inom ett kvantitativt område
• Utmärkt förståelse för en bred uppsättning ML- och djupinlärningsalgoritmer, inklusive LLMs
• Starka mjukvaruutvecklingskunskaper i Python och erfarenhet av bästa praxis inom mjukvaruutveckling
• Erfarenhet av att distribuera ML- och LLM-modeller i produktionsmiljöer
• En passion för ren, lätt och underhållbar kod
• En vilja att växa och dela insikter med andra

Hjälpsam kunskap

• Djupinlärningsramverk och transformer-baserade arkitekturer
• LLM finjustering, prompt engineering och retrieval-augmented generation (RAG)
• Data pipelining och bästa praxis för ML/LLM-infrastruktur
• DevOps-erfarenhet, CI/CD, Kubernetes och serverlösa arkitekturer
• Erfarenhet av vektordatabaser t.ex. (Pinecode, redis och ElasticSearch) för LLM-applikationer

Om Team Modulai

På Modulai fokuserar vi 100% på att lösa problem med maskininlärning (ML). Vi arbetar i team på projektbasis. Vi arbetar för kunder, som en del av kärnteamet i startups där vi har långvarigt engagemang samt för stora företag som omvandlar arbetsmetoder.

Lärande och teamwork är centrala för hur vi arbetar. Alla i teamet är eller kommer snart att bli fullstack ML-ingenjörer som kan avgränsa och utveckla end-to-end ML-lösningar. Du ska kunna göra end-to-end maskininlärningsprodukter själv men faktiskt aldrig göra det eftersom vi alltid arbetar i team. Om det finns data, kommer vi att göra ML på det!

Ansök här: https://modulai.teamtailor.com/