Land
Sektor
Beruf suchen
NLP-Ingenieur
NLP-Ingenieur mit Fokus auf Sprachmodelle, Textverarbeitung und automatische Sprachanalyse in datenintensiven Umgebungen
70 000 – 160 000 CHF (CHF)
Gehalt / Jahr
Master's degree
Bildungsniveau
00
Automatisierung
Gering
Schwierigkeit
Positiv
Beschäftigung
1-2 years
Marktanspannung
Mittel
Mobilität
Möglich
Automatisierung
Gering
Schwierigkeit
Positiv
Beschäftigung
1-2 years
Marktanspannung
Mittel
Mobilität
Möglich
About
NLP-Ingenieur entwickelt und optimiert Systeme zur Verarbeitung natürlicher Sprache in Forschungs- und Produktionsumgebungen. Er arbeitet mit Frameworks wie Hugging Face, spaCy, PyTorch und TensorFlow, um Textklassifikation, Named Entity Recognition, maschinelle Übersetzung und Frage-Antwort-Systeme umzusetzen. Er kooperiert eng mit Data Scientists, Softwareingenieuren, Produktmanagern und Linguisten, um sprachbasierte Funktionen in skalierbare Anwendungen zu integrieren und kontinuierlich zu verbessern.
Kompetenzen
Technische Kompetenzen
- Fundierte Kenntnisse in Python (NumPy, Pandas, scikit-learn)
- Erfahrung mit Hugging Face Transformers und Datasets
- Kompetenz in spaCy, NLTK, Gensim
- Vertrautheit mit PyTorch / TensorFlow
- Anwendung von MLflow, DVC, Weights & Biases
- Erfahrung mit Docker, Kubernetes, CI/CD-Pipelines
- Kenntnisse in Vektordatenbanken (Pinecone, Weaviate, FAISS)
- Verständnis von SQL und NoSQL-Datenbanken
Soft Skills
- Analytisches Denken bei komplexen Sprachproblemen
- Strukturierte Kommunikation mit technischen und nichttechnischen Teams
- Selbstständige Priorisierung in agilen Projekten
- Präzision bei der Dokumentation und Reproduzierbarkeit von Experimenten
- Offenheit für neue Forschungsergebnisse und schnelle Lernbereitschaft
Aufgaben
- Entwickelt NLP-Pipelines mit spaCy und Hugging Face für automatisierte Textverarbeitung mit minimaler Latenz unter 100 ms
- Trainiert und optimiert Sprachmodelle wie BERT, GPT und T5 auf spezifischen Datensätzen mit über 1 Million Tokens
- Bewertet die Modellleistung durch F1-Score, BLEU und ROUGE auf validierten Testmengen
- Implementiert Named Entity Recognition und Textklassifikation für strukturierte Informationsextraktion
- Entwickelt Retrieval-Augmented-Generation-Systeme mit Vektordatenbanken wie Pinecone oder Weaviate
- Automatisiert Datenaufbereitungs- und Annotationsprozesse mit Python-Skripten zur Reduktion manueller Arbeit um 40%
- Integriert NLP-Modelle via REST-APIs in bestehende Produktionssysteme unter Nutzung von FastAPI und Docker
- Überwacht Modellperformance im Produktivbetrieb mit MLflow und entwickelt Retraining-Strategien bei Drift-Erkennung
- Analysiert große Textkorpora mit Elasticsearch und erstellt reproduzierbare Auswertungen in Jupyter Notebooks
- Dokumentiert Modellarchitekturen, Experimente und Deployment-Prozesse für interne und externe Stakeholder
Arbeitsumgebungen
Die Arbeitsumgebungen können variieren:
Tech-Startups mit KI-Produkten für innovative Lösungen
Forschungsabteilungen in Technologiekonzernen mit Fokus auf AI
Beratungsunternehmen mit KI-Fokus und strategischer Ausrichtung
Öffentliche Forschungsinstitute und Universitäten zur Förderung von Innovation
E-Commerce- und Medienunternehmen mit großen Textmengen
Gesundheitsinformatik und Legal-Tech-Unternehmen für spezialisierte Anwendungen
Karrierewege
- Aufstieg zum Lead NLP Engineer mit Teamverantwortung
- Entwicklung zum Machine Learning Engineer mit breiterem Modellspektrum
- Karriere als Research Scientist in angewandter KI-Forschung
- Position als AI Product Manager mit technischem Hintergrund
- Führung als Head of AI / Chief AI Officer in wachsenden Unternehmen
Gesuchtes Profil
Vertieftes Verständnis von Transformer Architekturen
Erfahrung im Umgang mit unstrukturierten Textdaten
Fähigkeit zur Modelloptimierung unter Produktionsbedingungen
Präzise und nachvollziehbare Versuchsdokumentation
Zusammenarbeit mit interdisziplinären Teams
Wie werde ich NLP-Ingenieur?
