KI/ML-Infrastrukturingenieur
GPU-Cloud und Infrastruktur GPU-Infrastruktur
£133,000–£231,000/Jahr (£11,083–£19,250/Monat) — Verhandelbar
Team und Produktbereich
- Team
- GPU-Cloud und Infrastruktur
- Spezialisierung
- GPU-Infrastruktur
- Produktfamilie
- KI-Infrastruktur
GPU-Infrastruktur, Cloud-Betrieb, Site Reliability und DevOps für gehostete Workloads.
Unsere Produkte und Services entdeckenStellenbeschreibung
Sie entwickeln und betreiben die Plattform für das Modelltraining und den Inferenzbetrieb, die Zuweisung von GPU-Ressourcen und den produktiven Einsatz von Modellen. Dazu gehören der Kubernetes-Betrieb, die Überwachung der Systeme, verlässliche Bereitstellungsprozesse und die Planung der Rechenkapazität für KI-Anwendungen.
Anforderungen
- Erfahrung im Betrieb von Kubernetes, Containern und Cloud-Infrastruktur für Produktionssysteme
- Praktische Kenntnisse in der GPU-Orchestrierung, bei Plattformen für den Modelleinsatz oder bei Werkzeugen für maschinelles Lernen
- Fähigkeit, Fehler in Netzwerken, bei der Zuweisung von Rechenressourcen, im Speicherbetrieb und in CI/CD-Prozessen systematisch zu untersuchen
- Bereitschaft zur Zusammenarbeit mit ML-Ingenieurinnen und -Ingenieuren, um Training und Inferenz zuverlässig zu betreiben
- Praktische Kenntnisse in der GPU-Orchestrierung, bei Plattformen für den Modelleinsatz oder bei Werkzeugen für maschinelles Lernen
- Fähigkeit, Fehler in Netzwerken, bei der Zuweisung von Rechenressourcen, im Speicherbetrieb und in CI/CD-Prozessen systematisch zu untersuchen
- Bereitschaft zur Zusammenarbeit mit ML-Ingenieurinnen und -Ingenieuren, um Training und Inferenz zuverlässig zu betreiben
Verantwortlichkeiten
- GPU-gestützte Trainings- und Inferenzumgebungen betreiben
- Kapazität und Zuverlässigkeit der Modelldienste sowie die Überwachung der Bereitstellung verbessern
- CI/CD-Prozesse für ML-Dienste und Änderungen an der Infrastruktur entwickeln und pflegen
- Mit den Engineering-Teams Störungen beheben, Leistungsprobleme analysieren und den Kapazitätsbedarf prognostizieren
- Kapazität und Zuverlässigkeit der Modelldienste sowie die Überwachung der Bereitstellung verbessern
- CI/CD-Prozesse für ML-Dienste und Änderungen an der Infrastruktur entwickeln und pflegen
- Mit den Engineering-Teams Störungen beheben, Leistungsprobleme analysieren und den Kapazitätsbedarf prognostizieren
Vorteile
- An einer Infrastruktur mitarbeiten, die KI-APIs und GPU-Hosting für Kunden ermöglicht
- Die Zuverlässigkeit von GPU-Systemen und Modelldiensten konkret verbessern
- Eng mit den Teams für maschinelles Lernen, Backend, DevOps und Kundensupport zusammenarbeiten
- Die Zuverlässigkeit von GPU-Systemen und Modelldiensten konkret verbessern
- Eng mit den Teams für maschinelles Lernen, Backend, DevOps und Kundensupport zusammenarbeiten
So läuft unser Recruiting ab
Reihenfolge und Format können je nach Stelle variieren.
Bewerbung
Erste Prüfung
Stellenbezogene Bewertung
Vorstellungsgespräche
Entscheidung
Angebot und Einarbeitung
Datenschutz und Bewerbungsunterlagen
Reiche nur die Informationen und Unterlagen ein, die für diese Stelle angefordert werden. Hinweise zum Umgang mit personenbezogenen Daten findest du in unserer Datenschutzerklärung.
Datenschutzerklärung lesen