Engineer (RAG LLM Azure)
In het kader van de lancering van een strategisch grootschalig AI-platform, wordt een AI Engineer gezocht om bij te dragen aan de productie van een intelligente zoekmachine gebaseerd op RAG-technologieën (Retrieval-Augmented Generation). Deze dienst, bestemd voor duizenden interne gebruikers, vormt de eerste bouwsteen van een snelgroeiend AI-ecosysteem (toekomstige use cases, industrialisatie, schaalbaarheid).
Wat je doet
- Je werkt aan de Build & Early Run-fasen, met een sterke technische impact:
- End-to-end implementatie van een RAG-pipeline
- Retrieval / reranking / LLM-orkestratie
- Beheer van citaten en antwoordkwaliteit
- Ontwikkeling van de ingestie-pipeline
- Connectoren (CMS, SharePoint…)
- Chunking / embeddings / indexering
- Implementatie van beveiligingsmechanismen (ACL, filtering)
- Ontwerp van prompts & guardrails
- Opbouw van het evaluatie-framework (metrics, test sets, automatisering)
- Industrialisatie via:
- Terraform (IaC)
- Helm / Kubernetes (AKS)
- Deelname aan optimalisatie en initiële run (monitoring, tuning)
Wat ze vragen
- Solide ervaring in AI Engineering / ML Engineering
- Concrete ervaring met RAG in productie (belangrijk criterium)
- Beheersing van Python + Azure ecosysteem
- Expertise in:
- Terraform & CI/CD (Azure DevOps)
- Kubernetes / Helm (AKS)
- Goed begrip van gedistribueerde systemen en datapipelines
- Vermogen om schaalbare en geïndustrialiseerde oplossingen te bouwen
Praktisch
- Technische stack:
- Cloud: Azure (OpenAI, API Management, Content Safety)
- Containerisatie: AKS (Kubernetes)
- Taal: Python
- Infra: Terraform, Azure DevOps
- AI / Data:
- LLM / Prompt Engineering
- RAG / Vector databases
- Embeddings / Retrieval systems
- Talen:
- Frans of Nederlands: vloeiend/tweetalig
- Engels: professioneel
Hoe solliciteren?
Bekijk de volledige opdrachttekst en sollicitatie-informatie zodra je sollicitatie op maat klaarstaat.
Bestel een sollicitatie op maat om de volledige opdracht en sollicitatie-informatie te bekijken.
Meer context, minder losse zoekuren.
Je krijgt net genoeg context om te beoordelen of deze opdracht interessant is. De volledige briefing, klantdetails en vervolgstappen blijven beschikbaar in de app.