AI-automatisering en generatieve AI-ingenieur
Over deze rol
We zijn op zoek naar een AI Automation & Genative AI Engineer om een snelgroeiende organisatie in de VS te ondersteunen. Deze persoon zal AI-aangedreven applicaties, workflowautomatiseringen, LLM-integraties en oplossingen voor bedrijfsprocesautomatisering bouwen. De ideale kandidaat is hands-on, sterk met Python, werkt graag met API's en heeft ervaring met het omzetten van AI-tools in praktische bedrijfsoplossingen. Dit past goed bij iemand die AI-applicaties, interne automatiseringstools, RAG-systemen, chatbots, AI-agenten of LLM-aangedreven workflows heeft gebouwd. Belangrijkste verantwoordelijkheden Bouw en integreer door AI aangedreven applicaties, workflows en automatiseringssystemen. Ontwikkel op LLM gebaseerde tools, AI-agents, chatbots en interne productiviteitsoplossingen. Integreer OpenAI, Anthropic, Gemini of andere generatieve AI API's in
Vaardigheden / categorieën
Over data/ml-rollen
Data- en ML-rollen zijn opgesplitst in drie kampen: analisten (SQL, dashboards, zakelijke vragen), ingenieurs (pijplijnen, infrastructuur) en wetenschappers (modellering, experimenten). De functietitel vertelt u niet altijd welke; lees de beschrijving aandachtig.
Typische vaardigheden: SQL, Python, panda's, basisstatistieken; ML-rollen voegen scikit-learn / PyTorch / TensorFlow toe; technische rollen voegen Airflow / dbt / Spark toe
Salarisinzichten (VS, ruw)
Een typisch bereik voor data/ml-rollen in de VS is $ 85.000 – $ 240.000/jaar, sterk variërend naar anciënniteit, bedrijfsfase en stad.
Alleen schattingen. Voor bedrijfsspecifieke cijfers kunt u terecht op levels.fyi (tech), Glassdoor, of vraag ernaar in het interview.
Hoe u zich kunt voorbereiden op het interview
Data-interviews opgesplitst: analisten krijg SQL + casestudy-vragen, ingenieurs krijg pijplijnontwerp + codering, wetenschappers krijg statistieken + ML-modellering + soms een dataset om mee naar huis te nemen. Lees de JD aandachtig en bereid je voor op de daadwerkelijke smaak - verspil geen tijd aan PyTorch voor een rol als analist.
Veelgestelde vragen bij alle drie: "Hoe zou u het succes voor [productkenmerk] meten?", "Leid mij door een project waarbij de data je iets verrassends vertelden", en SQL-vensterfuncties (LAG, ROW_NUMBER, PARTITION BY – oefen deze specifiek). Voor ML-rollen kunt u een vraag verwachten over overfitting, de afweging tussen bias en variantie, en hoe u fouten kunt opsporen in een model dat goed presteert in training en slecht in productie.
Waar deze rol doorgaans toe leidt
Carrièrepaden in data/ML zijn rommeliger geworden naarmate de discipline volwassener werd. De duidelijkste progressie: Junior Analist → Senior Analist → Analytics Manager aan de kant van de analisten, Junior Data Engineer → Senior → Staf aan de technische kant, en Junior DS → Senior DS → Hoofd DS / ML-leider aan de modelkant. Salarispieken zijn het hoogst voor ML-ingenieurs en onderzoekswetenschappers bij grote technologiebedrijven.
Cross-disciplinaire bewegingen zijn gebruikelijk: analisten die techniek leren, zijn vaak beter dan ingenieurs die de zakelijke context niet hebben geleerd. Blijf dicht bij de business: de meest waardevolle data zijn degenen die managers meenemen in strategiediscussies, niet degenen die alleen dashboards bouwen.
Rode vlaggen om op te letten
- De rol van "datawetenschapper" die eigenlijk een SQL-analist is. Lees de verantwoordelijkheden zorgvuldig door: als het allemaal dashboards en ad-hocquery's zijn, is het een analistenrol met een wetenschappelijke titel.
- Er wordt niet gesproken over samenwerking met belanghebbenden. Geïsoleerd datawerk is doorgaans datawerk dat genegeerd wordt. De rol moet worden ingebed in een zakelijk team.
- "AI / ML" wordt overal vermeld, maar geen bijzonderheden. Als ze de daadwerkelijke problemen die ze met ML willen oplossen niet kunnen benoemen, is het bedrijf bezig met buzzword-shopping.
- Vragen om "10+ jaar Python" of onmogelijke combinaties. Ofwel is de JD door HR geschreven zonder input van een datateam, ofwel heeft het bedrijf onrealistische verwachtingen.
Veelgestelde vragen
Hoe solliciteer ik op deze rol?
Klik bovenaan deze pagina op de knop "Solliciteren op Arbeitnow". U wordt naar de oorspronkelijke post gestuurd waar de werkgever sollicitaties accepteert. Wikishopline verzamelt geen cv's en verwerkt geen sollicitaties.
Is deze vermelding actueel?
Wikishopline verzamelt dagelijks vacatures uit partnerbronnen (arbeitnow). Berichten ouder dan ~14 dagen worden gesnoeid, maar controleer altijd of de functie nog open staat op de site van de werkgever voordat u tijd besteedt aan een sollicitatiebrief.
Brengt Wikishopline kosten in rekening voor werkgevers of sollicitanten?
Nee. Geaggregeerde taken zijn gratis voor beide partijen. Wikishopline accepteert ook betaalde berichten van $ 5 per 30 dagen op /jobs/submit voor werkgevers die directe zichtbaarheid willen, maar de advertentie die je bekijkt is afkomstig van een partner.
Wat houdt een data/ml-rol doorgaans in?
Data- en ML-rollen zijn opgesplitst in drie kampen: analisten (SQL, dashboards, zakelijke vragen), ingenieurs (pijplijnen, infrastructuur) en wetenschappers (modellering, experimenten). De functietitel vertelt u niet altijd welke; lees de beschrijving aandachtig.
Wat is het typische salarisbereik voor data/ml-functies in de VS?
Ongeveer $85.000 – $240.000 USD/jaar, afhankelijk van anciënniteit, locatie en bedrijfsfase. Dit is met opzet een breed bereik: verifieer met levels.fyi of Glassdoor voor het specifieke bedrijf.