ICB: Feintuning
This commit is contained in:
@@ -1,4 +1,5 @@
|
||||
An: ICB GmbH über Firmen-Webseite https://icb-gmbh.jobs.personio.de/job/2490356?language=de&apply
|
||||
Bewerbung bei ICB GmbH über Firmen-Webseite https://icb-gmbh.jobs.personio.de/job/2490356?language=de&apply
|
||||
An: ICB GmbH
|
||||
Betreff: Bewerbung als KI Engineer in München
|
||||
Verfügbar ab: Sofort
|
||||
Gehaltsvorstellung: 83.000 € Bruttojahresgehalt
|
||||
@@ -11,11 +12,11 @@ auf Ihre Stelle als KI Engineer bewerbe ich mich sehr gern, denn die umfassende
|
||||
|
||||
Was mich an dieser Aufgabe besonders reizt, ist die Möglichkeit, AI Agents von der Idee bis zum erfolgreichen Einsatz auf hohem Engineering-Niveau umzusetzen.
|
||||
|
||||
Als TÜV-zertifizierter AI Consultant setze ich generative KI und Agentic AI täglich praktisch ein. Meine Python-Kenntnisse sind sehr gut, ich setze Coding Agents effizient und zielführend ein, und mit IDEs, Git und der DevOps-Arbeitsweise bin ich bestens gut vertraut.
|
||||
Als TÜV-zertifizierter AI Consultant setze ich generative KI und Agentic AI täglich praktisch ein. Meine Python-Kenntnisse sind sehr gut, ich setze Coding Agents effizient und zielführend ein, und mit IDEs, Git und der DevOps-Arbeitsweise bin ich bestens vertraut.
|
||||
|
||||
Um das Verhalten eines LLM zu ändern, habe ich eigene Trainingsdaten generiert, mit Supervised Fine Tuning ein OpenAI Modell modifiziert und zum Testen einen Chatbot mit diesem Modell online gestellt. Für RAG-Anwendungen habe ich verschiedene Inference- und Embedding-Modelle evaluiert, Chunks erstellt und in Vektordatenbanken geladen sowie die Qualität der semantischen Suche validiert. AI Agents setze ich sehr oft und für verschiedene Anwendungen ein, etwa einen Telegram-Agenten mit Zugriff auf Cloud-Daten. Auch habe ich einen Claude Code Skill entwickelt, der Projektausschreibungen automatisiert versteht, anhand meines Lebenslaufs bewertet und über eine REST-API ins CRM einträgt, das auf meinem lokalen KI-Server läuft.
|
||||
|
||||
Prompt und Context Engineering ist mein alltägliches Werkzeug, über verschiedene relationale Datenbanken habe ich Anwenderwissen. Daten verarbeite und analysiere ich meist mit NumPy, Pandas und mit Jupyter Notebooks.
|
||||
Prompt und Context Engineering ist mein alltägliches Werkzeug. Daten verarbeite und analysiere ich meist mit NumPy, Pandas und Jupyter Notebooks, und über verschiedene relationale Datenbanken habe ich Anwenderwissen.
|
||||
|
||||
Zum lokalen Betrieb von KI-Modellen verwende ich die Frameworks PyTorch, Transformers, vLLM und vLLM-Omni sowie llama.cpp, für Workflow Automation nutze ich n8n und Langflow, Cloud-LLMs binde ich über die dafür vorgesehenen Python Libraries an. Seit 2011 betreibe ich eigene Linux Root Server, auf denen durch Docker- und Podman-Container bereitgestellte Private Cloud Services laufen, darunter Git, n8n, Langflow, Langfuse, Nextcloud, DMS und CRM. Google Cloud Dienste kenne ich als Anwender.
|
||||
|
||||
|
||||
Reference in New Issue
Block a user