Ingenieur für angewandtes maschinelles Lernen, EMEA

Über uns:
Fireworks ist die Plattform für spezialisierte Intelligenz, die es Unternehmen ermöglicht, KI-Modelle zu erstellen, zu trainieren und bereitzustellen, die auf ihre eigenen Daten, Arbeitsabläufe und Produkte zugeschnitten sind. Fireworks wurde vom Team hinter PyTorch gegründet und wird von AMD, Atreides, Benchmark Capital, Index Ventures, Lightspeed, NVIDIA, Sequoia Capital und TCV unterstützt. Fireworks unterstützt die Produktions-KI mit Hunderten hochmoderner offener Modelle für Text, Bild, Einbettung, Audio und multimodale Workloads. Heute ist Fireworks ein Unternehmen der Serie D mit einem Wert von 17,5 Milliarden US-Dollar und vereint ein ehrgeiziges, kollaboratives Team, das die Zukunft der Unternehmens-KI aufbaut.
Die Rolle:
Als Ingenieur für angewandtes maschinelles Lernen sind Sie der technische Eigentümer eines Kundenauftrags. Dies ist die Rolle des Forward Deployed Engineer. Bei Fireworks in EMEA trägt es den AMLE-Titel. Sie betten eine kleine Anzahl von Konten ein, arbeiten in deren Umgebung und besitzen alles, was zwischen ihnen und der Produktion auf Fireworks steht: das Modell, den Bereitstellungspfad, die Integration, die Leistung. Sie legen den Umfang der Arbeit vor der Unterzeichnung fest und liefern das, was Sie festgelegt haben. Tiefe statt Breite: wenige Konten, durchgehend im Besitz.
Was wir am meisten schätzen, ist das Denken nach ersten Prinzipien: das Nachdenken über unbekannte Probleme von Grund auf und nicht anhand von Spielbüchern. Diesbezüglich werden Sie direkt im Vorstellungsgespräch beurteilt, und Stärken in diesem Bereich können die Lücken in anderen Bereichen Ihres Hintergrunds überwiegen.

Vier Spitzen:

• Software-Engineering. Sie liefern Produktionssysteme aus und fühlen sich mit einer Frist problemlos in eine unbekannte Codebasis oder eine Kundenumgebung versetzt. Backend- und Systemtiefe, starkes Python plus mindestens eine Systemsprache und Kenntnisse im Umgang mit KI-unterstütztem und Agenten-Engineering als Kernbestandteil Ihrer Entwicklung.

• Maschinelles Lernen. Sie nehmen offene Modelle und verbessern sie für die Aufgabenstellung eines Kunden: SFT, LoRA und andere Parameter-effiziente Methoden, Reinforcement Learning (RLHF, RLVR), Destillation. Genauso wichtig ist, dass Sie Auswertungen entwerfen, die die eigentliche Aufgabe widerspiegeln, und sie als Grundlage für Trainingsentscheidungen verwenden, und Sie wissen, wann eine Feinabstimmung nicht die Lösung ist.

• Infrastruktur und Leistung. Sie kennen Ihre GPUs: Speicherbandbreite, Kernel, Parallelität, was die Auslastungszahlen tatsächlich bedeuten. Bereitstellungs- und Inferenzoptimierung: Quantisierung, spekulative Dekodierung, Batching, KV-Cache-Verhalten, Kompromisse zwischen Latenz und Durchsatz, Multi-GPU- und Multi-Node-Serving, Kapazitätsplanung. Sie können eine funktionierende Bereitstellung schnell und wirtschaftlich gestalten und überlegen, wo der Engpass liegt, bevor Sie einen Profiler in Anspruch nehmen.

• Kundenbindung. Du willst im Raum sein. Der Sinn dieser Rolle besteht darin, für jeden Kunden spezialisierte Informationen zu schaffen: das beste Modell für seine Aufgabe, seine Daten und seine Einschränkungen. Dafür braucht es echtes Interesse am Problem des Kunden, nicht nur am technischen. Außergewöhnlich sieht hier die Gründerenergie bei den Kunden aus; Der Boden ist der echte Wunsch, mit ihnen zu verknüpfen, zu erklären und Ergebnisse zu erzielen.

Hauptaufgaben:

• Eigene Aufträge: Übernehmen Sie Kundenbereitstellungen von der Festlegung des Umfangs bis zur Produktion als alleiniger verantwortlicher technischer Eigentümer.

• Einbetten: Arbeiten Sie direkt in Kundenteams; Sie verstehen ihren Bereich, ihre Daten und Einschränkungen gut genug, um Entscheidungen zu treffen, denen sie vertrauen können.

• Trainieren und abstimmen: Führen Sie Feinabstimmungs- und Nachschulungsarbeiten dort durch, wo der Kunde sie benötigt, von den Daten über die Auswertung bis hin zu einem Modell, das in der Produktion eingesetzt wird.

• Optimieren: Steigern Sie die Bereitstellungsleistung und die Kosten für Fireworks: Modellauswahl, Bereitstellungsform und Inferenzoptimierung.

• Zielsetzung ehrlich: Bewerten Sie, was erreichbar ist, bevor wir uns verpflichten, und übernehmen Sie, was Sie anstreben.

• Produktsignal: Geben Sie die Bedürfnisse der Kunden mit ausreichender Präzision an das Produkt und die Technik weiter, um sie umsetzen zu können.

Mindestqualifikationen:

• Spitzen in zwei oder allen drei Bereichen.

• Für die ML-Spitze: formelle Ausbildung (PhD, laufende Promotion oder ein starker MSc) und spezielle LLM-Erfahrung nach der Ausbildung.

• Für die Infrastrukturspitze: Erfahrung mit GPU-Infrastruktur, verteilter Bereitstellung oder Inferenz-Engines.

• Erfahrung als Gründer oder Gründungsingenieur.

• Erfahrung in einem Startup- oder schnelllebigen Umfeld.

Warum Feuerwerk?

• Lösen Sie schwierige Probleme: Bewältigen Sie Herausforderungen an der Spitze der KI-Infrastruktur, von Inferenz mit geringer Latenz bis hin zur skalierbaren Modellbereitstellung.

• Gestalten Sie, was als nächstes kommt: Arbeiten Sie mit modernster Technologie, die Einfluss darauf hat, wie Unternehmen und Entwickler KI weltweit nutzen.

• Eigenverantwortung und Wirkung: Werden Sie Teil eines schnell wachsenden, leidenschaftlichen Teams, in dem Ihre Arbeit die Zukunft der KI direkt prägt – keine Bürokratie, nur Ergebnisse.

• Lernen Sie von den Besten: Arbeiten Sie mit erstklassigen Ingenieuren und KI-Forschern zusammen, die von Neugier und Innovation leben.

Fireworks AI ist ein Arbeitgeber, der Chancengleichheit bietet. Wir feiern Vielfalt und setzen uns dafür ein, ein integratives Umfeld für alle Innovatoren zu schaffen.
Finden Sie Jobs in Großbritannien auf Arbeitnow

Quelle: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/fireworks/applied-machine-learning-engineer-emea-london-117330)