Используем cookie для работы сайта и статистики. «Хорошо» разрешит ещё и запись сессий.
Parallel Wireless
Кфар-Саба, Израиль3 месяца назад
Parallel Wireless is reimagining mobile networks with innovative, energy-efficient Open RAN solutions. Join us as we lead the future of telecommunications, driving innovation through green and sustainable networks. Learn more about our mission, vision and values.
We are looking for a hands-on Senior Applied AI Evaluation Engineer to improve how our RAN R&D organization analyzes engineering tickets, supports Root-Cause Analysis, recommends ownership, and learns from resolved cases. You will build rigorous evaluation datasets, establish meaningful baselines, compare internal and approved external tools, analyze failure modes, and prototype improvements across retrieval, classification, prompting, agent workflows, and model selection. This role is focused on measurable, evidence-based improvement rather than AI demonstrations. You will assess whether AI-generated conclusions are accurate, grounded in evidence, appropriately calibrated, and useful to engineering teams. As a secondary area of focus, you will analyze engineering workflows at case and team level to identify bottlenecks, handoffs, dependencies, and opportunities for process improvement.
What you will do: Define high-value RAN ticket-intelligence use cases, acceptance criteria, evaluation metrics, and quality guardrails. Build and maintain representative, versioned evaluation datasets using resolved tickets, Root-Cause Analysis, logs, test evidence, code changes, reviews, reassignment history, and outcomes. Establish current-tool and non-AI baselines before evaluating new LLM, RAG, search, or agent-based approaches. Evaluate approved internal, commercial, local, and open-source solutions using secure and reproducible data-handling processes. Measure retrieval quality, groundedness, diagnosis accuracy, citation support, routing recommendations, calibration, abstention, latency, cost, and human effort. Design held-out, time-based, edge, and adversarial test cases while preventing data leakage and future-outcome contamination. Analyze failures and turn incorrect conclusions, misrouting, unsupported claims, and missed evidence into prioritized improvements. Prototype improvements in search, metadata, context construction, prompting, reranking, classification, agent workflows, and model selection. Develop reusable evaluation pipelines, tools, services, APIs, dashboards, or documented workflows. Work closely with AI, RAN, QA, System Integration, Release, Field, data, and engineering teams to review results and support evidence-based decisions.
What you should have: BSc or MSc in Computer Science, Data Science, Machine Learning, Statistics, Electrical Engineering, or a related field, or equivalent practical experience. 5+ years of hands-on experience in applied machine learning, data science, search, natural-language processing, analytics engineering, or AI-enabled software systems. Recent experience evaluating LLM, RAG, search, or agent systems using representative datasets, task-specific metrics, human review, failure analysis, and regression testing. Strong Python and SQL skills, with experience building maintainable data pipelines, experiment workflows, services, or analytical tools. Practical experience with several areas such as information retrieval, embeddings, hybrid search, reranking, classification, structured outputs, tool calling, or common LLM failure modes. Strong statistical judgment, including sampling, leakage prevention, uncertainty, calibration, precision and recall, temporal drift, and controlled comparison of competing approaches. Ability to work with semi-structured engineering data from issue-tracking systems, source control, code reviews, continuous integration, logs, dashboards, and test systems. Clear communication skills and the ability to explain results, limitations, and tradeoffs to technical and business stakeholders.
Preferred qualifications: Knowledge of LTE, 5G NR, Open RAN, telecom-support workflows, or demonstrated ability to learn a technically complex domain through close collaboration with subject-matter experts. Experience with enterprise search, RAG evaluation, knowledge graphs, process mining, anomaly detection, or graph-based analysis. Familiarity with Jira, Git or Bitbucket, CI/CD telemetry, software-delivery analytics, evaluation frameworks, experiment tracking, or data versioning. Experience working with open-weight LLMs, commercial model APIs, local inference, proprietary code, customer logs, or access-controlled engineering data. Experience handling privacy-sensitive or regulated data in secure enterprise environments.
Parallel Wireless is expanding the ecosystem for Open RAN with the GreenRAN™ energy-efficient Hardware-Agnostic technology. Deployed worldwide, our comprehensive 2G/3G/4G/5G Macro RAN solutions enhance network security while reducing operating expenses. As pioneers of Open RAN, we prioritize innovation, flexibility, and sustainability to help build a more connected, and green networks. Headquartered in the USA with global R&D centers, we are proud to serve over 60 customers worldwide and have been recognized with over 100 industry awards. Our mission is to accelerate GSMA’s Mobile Net Zero initiative by reducing TCO and driving innovation across the telecom ecosystem. Learn more at www.parallelwireless.com.
Parallel Wireless embraces diversity and equality of opportunity. We are committed to building inclusive and diverse teams representing all backgrounds, with a wide range of perspectives, and empowering industry-leading skills. We welcome and consider applications to join our team from all qualified candidates, regardless of their characteristics. We comply with all applicable laws and regulations on non-discrimination in employment (and recruitment), as well as work authorization and employment eligibility verification requirements. Parallel Wireless does not accept unsolicited resumes or applications from agencies or individuals. Please do not forward resumes to our jobs alias, Parallel Wireless employees, or any other company location. Parallel Wireless is not responsible for any fees related to unsolicited resumes/applications.
Сравним навыки, грейд, формат работы и зарплату
Чаще всего от 25 400 до 38 400
Грейд
Senior
Опыт работы
от 5 лет
Формат работы
Офис
Уровень английского
B2, выше среднего
Письмо на почту или сообщение рекрутеру в Telegram
Parallel Wireless переосмысливает мобильные сети с помощью инновационных, энергоэффективных решений Open RAN. Присоединяйтесь к нам, когда мы возглавим будущее телекоммуникаций, стимулируя инновации с помощью зеленых и устойчивых сетей. Узнайте больше о нашей миссии, видении и ценностях.
Мы ищем практичного старшего инженера по оценке прикладного ИИ для улучшения анализа инженерных заявок в нашей организации R&D RAN, поддержки анализа первопричин, рекомендации владельцев и обучения на основе решенных случаев. Эта роль сосредоточена на измеримом, основанном на доказательствах улучшении, а не на демонстрации ИИ. Parallel Wireless расширяет экосистему Open RAN с помощью энергоэффективной технологии GreenRAN™, не зависящей от оборудования. Развернутые по всему миру, наши комплексные решения Macro RAN 2G/3G/4G/5G повышают безопасность сети, одновременно снижая эксплуатационные расходы. Являясь пионерами Open RAN, мы ставим во главу угла инновации, гибкость и устойчивость, чтобы помочь построить более взаимосвязанные и экологичные сети. Со штаб-квартирой в США и глобальными центрами исследований и разработок мы гордимся тем, что обслуживаем более 60 клиентов по всему миру и получили более 100 отраслевых наград. Наша миссия — ускорить инициативу GSMA «Mobile Net Zero», сокращая совокупную стоимость владения (TCO) и стимулируя инновации в экосистеме телекоммуникаций. Узнайте больше на www.parallelwireless.com.
Parallel Wireless ценит разнообразие и равенство возможностей. Мы стремимся создавать инклюзивные и разнообразные команды, представляющие все слои общества, с широким спектром точек зрения и обладающие ведущими в отрасли навыками.
Вы будете создавать строгие наборы данных для оценки, устанавливать значимые базовые показатели, сравнивать внутренние и утвержденные внешние инструменты, анализировать режимы сбоев и прототипировать улучшения в области поиска, классификации, создания запросов, рабочих процессов агентов и выбора моделей. Вы будете оценивать, насколько выводы, сгенерированные ИИ, точны, основаны на доказательствах, надлежащим образом откалиброваны и полезны для инженерных команд. В качестве второстепенной области вы будете анализировать инженерные рабочие процессы на уровне заявок и команд, чтобы выявить узкие места, передачи, зависимости и возможности для улучшения процессов.
Определять ценные варианты использования интеллектуальных данных о заявках RAN, критерии приемки, метрики оценки и меры контроля качества. Создавать и поддерживать репрезентативные, версионированные наборы данных для оценки, используя решенные заявки, анализ первопричин, журналы, доказательства тестов, изменения кода, обзоры, историю переназначений и результаты. Устанавливать базовые показатели текущих инструментов и не-ИИ перед оценкой новых подходов на основе LLM, RAG, поиска или агентов. Оценивать утвержденные внутренние, коммерческие, локальные и открытые решения, используя безопасные и воспроизводимые процессы обработки данных. Измерять качество поиска, обоснованность, точность диагностики, поддержку цитирования, рекомендации по маршрутизации, калибровку, отказ от ответа, задержку, стоимость и трудозатраты. Разрабатывать тестовые случаи на основе отложенных данных, данных, основанных на времени, граничных условий и противников, предотвращая утечку данных и загрязнение будущими результатами. Анализировать сбои и превращать некорректные выводы, неправильную маршрутизацию, необоснованные утверждения и пропущенные доказательства в приоритетные улучшения. Прототипировать улучшения в поиске, метаданных, построении контекста, создании запросов, переранжировании, классификации, рабочих процессах агентов и выборе моделей. Разрабатывать многоразовые конвейеры оценки, инструменты, сервисы, API, панели мониторинга или документированные рабочие процессы. Тесно сотрудничать с командами AI, RAN, QA, System Integration, Release, Field, Data и Engineering для обзора результатов и поддержки принятия решений на основе доказательств.
Степень бакалавра или магистра в области компьютерных наук, науки о данных, машинного обучения, статистики, электротехники или смежной области, или эквивалентный практический опыт. 5+ лет практического опыта в прикладном машинном обучении, науке о данных, поиске, обработке естественного языка, инженерии аналитики или программных системах с поддержкой ИИ. Недавний опыт оценки систем LLM, RAG, поиска или агентов с использованием репрезентативных наборов данных, метрик для конкретных задач, человеческого обзора, анализа сбоев и регрессионного тестирования. Отличные навыки работы с Python и SQL, с опытом создания поддерживаемых конвейеров данных, рабочих процессов экспериментов, сервисов или аналитических инструментов. Практический опыт в нескольких областях, таких как информационный поиск, встраивания, гибридный поиск, переранжирование, классификация, структурированные выходные данные, вызов инструментов или распространенные режимы сбоев LLM. Сильное статистическое суждение, включая выборку, предотвращение утечек, неопределенность, калибровку, точность и полноту, временной дрейф и контролируемое сравнение конкурирующих подходов. Способность работать с полуструктурированными инженерными данными из систем отслеживания проблем, систем контроля версий, обзоров кода, непрерывной интеграции, журналов, панелей мониторинга и систем тестирования. Четкие коммуникативные навыки и способность объяснять результаты, ограничения и компромиссы техническим и бизнес-стейкхолдерам.
Знание LTE, 5G NR, Open RAN, рабочих процессов поддержки телекоммуникаций или подтвержденная способность быстро осваивать технически сложную область благодаря тесному сотрудничеству с экспертами. Опыт работы с корпоративным поиском, оценкой RAG, графами знаний, майнингом процессов, обнаружением аномалий или графовыми анализами. Знакомство с Jira, Git или Bitbucket, телеметрией CI/CD, аналитикой доставки программного обеспечения, фреймворками оценки, отслеживанием экспериментов или версионированием данных. Опыт работы с LLM с открытым весом, коммерческими API моделей, локальным выводом, проприетарным кодом, журналами клиентов или данными инженерных систем с ограниченным доступом. Опыт работы с конфиденциальными или регулируемыми данными в безопасных корпоративных средах.
