AI/RAG Engineer

🕒 vor 8 Monaten

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mails für Remote-Jobs erhalten

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen

CoinMarketCap

WebsiteLinkedInAlle Stellen

51 - 200 Mitarbeiter

₿ Crypto

💸 Finanzen

🛍️ eCommerce

Crypto • Finance • eCommerce

CoinMarketCap ist eine führende Plattform für Marktdaten von Kryptowährungen, die Echtzeitinformationen zu Kryptowährungspreisen, Handelsvolumina, Marktkapitalisierung und mehr bietet. Sie dient als umfassende Ressource für Investoren und Händler, um verschiedene Kryptowährungen zu verfolgen und Markttrends zu analysieren.

Beschreibung

• Building AI search agents- including ReAct, planning, and multi-agent architectures via custom implementation or frameworks like LangGraph, Dify, or CrewAI. • Building end-to-end RAG pipelines from ingestion, chunking, embeddings, and hybrid vector search, ideally using Opensearch. • Operating and monitoring vector/hybrid indexes (e.g. OpenSearch) in production environments. • Implement grounding and citation to link generated answers back to their exact source passages. • Automate evaluation using synthetic QA, retrieval-hit-rate tracking, and model-critique loops to continuously measure accuracy and detect drift. • Orchestrating external tools or knowledge bases and monitoring latency and cost at production scale.

🎯 Anforderungen

• Bachelor’s or Master’s degree in Computer Science, Artificial Intelligence, Machine Learning, or a related field. • 3+ years of experience in developing AI systems, with a focus on retrieval-augmented generation (RAG). • Proven track record in building and optimizing end-to-end RAG pipelines. • Experience with AI search agent development using frameworks like ReAct, LangGraph, Dify, or CrewAI. • Hands-on experience with OpenSearch or similar vector search technologies. • Proficiency in Python and relevant machine learning frameworks (e.g., PyTorch, TensorFlow). • Strong understanding of data ingestion, chunking, embeddings, and hybrid vector search techniques. • Experience with monitoring and managing production environments. • Knowledge of grounding and citation techniques in AI-generated content. • Familiarity with synthetic QA datasets and evaluation metrics.