Job
Aus Partner-Feed
Softwareentwickler, GenAI-Plattform
Preis auf Anfrage
Details
- Beschäftigungsart
- Vollzeit
- Remote
- Nein
- Unternehmen
- Deliveroo
Beschreibung
Automatisch aus dem English übersetzt. Der Originaltext ist maßgeblich. Maschinenübersetzung – eine genauere Version wird vorbereitet.
Unsere globale Struktur
Deliveroo ist jetzt Teil von DoorDash und bringt Teams mit noch größerer Reichweite, Größe und Ehrgeiz zusammen. Abhängig von Ihrer Rolle können Sie mit Teamkollegen, Systemen und Führungskräften bei DoorDash und Wolt zusammenarbeiten. Gemeinsam erschließen wir als globales Team neue Möglichkeiten.
Softwareentwickler, GenAI-Plattform
Über das Team
Das GenAI-Plattform-Team von Deliveroo sitzt innerhalb der Machine Learning Platform und baut die gemeinsame Infrastruktur auf, die den Teams von DoorDash, Wolt und Deliveroo dabei hilft, GenAI-basierte Produkte, Agenten, Automatisierung und Personalisierung sicher in die Produktion zu bringen. Unsere Mission ist es, die Geschwindigkeit der geschäftlichen Auswirkungen von GenAI zu erhöhen. Eine zentrale Säule dieser Arbeit besteht darin, Frontier Open-Weight-LLMs und VLMs (wie GLM, Qwen, Kimi und DeepSeek) selbst zu betreiben – Echtzeit-GPU-Bereitstellung, Batch-Inferenz mit hohem Durchsatz und Feinabstimmung auf Autoscaling-GPUs – was große Kosten- und Latenzvorteile liefert (z. B. wurden eine Milliarde Einbettungen etwa 20-mal günstiger produziert und visuelle Modelle etwa 72 % günstiger bereitgestellt). Wir besitzen auch Kernplattformoberflächen, einschließlich des LLM Gateway, des Agent Gateway, der Eval-Infrastruktur, der Leitplanken und der Kostenzuordnung.
Über die Rolle
Sie werden Teil eines kleinen, leistungsstarken Teams, das eine Produktionsinfrastruktur für generative KI bei Deliveroo und DoorDash aufbaut. Der Schwerpunkt liegt dabei auf unserer Open-Weights-Modellplattform, die Inferenz und Feinabstimmung umfasst: Echtzeit-GPU-Bereitstellung, Batch-Inferenz mit hohem Durchsatz und Modell-Feinabstimmung. Sie arbeiten mit Modellbereitstellungs- und Inferenz-Engines, Feinabstimmungs- und Trainingspipelines, automatischer GPU-Skalierung und -Nutzung, Batch-Pipelines, Backend-Diensten und Observability. Diese Rolle ist ideal für einen Ingenieur, der gerne die Kosten-Leistungs-Grenze der GPU-Inferenz und -Feinabstimmung in einem schnelllebigen technischen Bereich erweitert, in dem sich Produktanforderungen, Modellfunktionen, Anbieter-Ökosysteme und Kosten-Leistungs-Kompromisse schnell weiterentwickeln.
Sie freuen sich über diese Gelegenheit, weil Sie…
• Bauen Sie die Infrastruktur auf, die Deliveroo-Teams dabei hilft, GenAI-Ideen vom Prototyp in die Produktion zu überführen und so die Geschwindigkeit der geschäftlichen Auswirkungen von KI im gesamten Unternehmen zu erhöhen.
• Arbeiten Sie an unserem Open-Weights-Serving-Stack – Echtzeit-GPU-Endpunkte, Batch-Inferenz mit hohem Durchsatz und Feinabstimmung (SFT/DPO/LoRA) – neben dem LLM-Gateway, dem Agent-Gateway, der Eval-Infrastruktur, Leitplanken und der Kostenzuordnung.
• Entwerfen Sie skalierbare Hochleistungssysteme für Modellbereitstellung, Batch-Inferenz, automatische GPU-Skalierung und Feinabstimmung, die echte Kunden- und interne Automatisierungsanwendungsfälle unterstützen
• Erweitern Sie die Kosten- und Latenzgrenze der GPU-Inferenz – wandeln Sie Batch-Jobs, die Tage gedauert haben, in Stunden um und senken Sie die Inferenzkosten um ein Vielfaches – und geben Sie Produktteams gleichzeitig eine klare Auswahl zwischen Open-Weight- und Closed-Source-Modellen mit integrierter Zuverlässigkeit, Fallback, Beobachtbarkeit und Kostenkontrolle.
• Erstellen Sie Plattformen, die schnelles Experimentieren unterstützen und gleichzeitig Produktionsstandards für Latenz, Skalierung, Überwachung, SLOs, Playbooks und betriebliche Exzellenz erfüllen.
• Arbeiten Sie eng mit ML-Ingenieuren, Produktingenieuren, Datenwissenschaftlern und Plattformteams bei DoorDash, Wolt und Deliveroo zusammen, um neue GenAI-Funktionen in dauerhafte Plattformprimitive umzuwandeln.
• Gestalten Sie die Zukunft der zentralisierten GenAI-Plattform – einschließlich neuer Richtungen wie Reinforcement Learning (RLHF/RLVR), Agentenoptimierung und anderer Post-Training- und Agententechniken – und ermöglichen Sie die nächste Generation von KI-gestützten Produkten, Agenten, Automatisierung und Personalisierung.
Wir freuen uns auf Sie, denn Sie haben…
• BSc, MSc oder PhD in Informatik oder gleichwertiger Abschluss
• Mehr als 3 Jahre Branchenerfahrung im Software-Engineering
• Starke Backend-Engineering-Grundlagen, insbesondere in Python und verteilten Systemen.
• Erleben Sie den Aufbau von Produktionsdiensten, APIs, Datenpipelines oder ML-Infrastrukturen in großem Maßstab.
• Erfahrung mit Betriebssystemen in der Produktion, einschließlich Beobachtbarkeit, Debugging, Zuverlässigkeit, Reaktion auf Vorfälle und Leistungs-/Kostenoptimierung.
• Praktische Erfahrung mit LLM-Inferenz und/oder Feinabstimmung von Open-Weight-Modellen in der Produktion – Bereitstellung (Latenz, Durchsatz, Stapelverarbeitung, automatische Skalierung, GPU-Auslastung) und/oder Feinabstimmung (SFT/DPO/LoRA).
• Fähigkeit, in mehrdeutigen, sich schnell verändernden technischen Bereichen zu arbeiten und Kundenanwendungsfälle in wiederverwendbare Plattformfunktionen umzuwandeln
• Kenntnisse im Umgang mit KI-Codierungstools (z. B. Claude Code, Codex, Cursor) im gesamten Softwareentwicklungslebenszyklus, einschließlich Entwurf, Generierung von Code, Testen, Überwachung und Veröffentlichung von Software
Schön zu haben
• Erfahrung mit LLM-Inferenz-Engines und Serving-Frameworks (z. B. vLLM, SGLang, TensorRT-LLM) in der Produktion
• Erfahrung mit verteilten/Multi-Node-Feinabstimmungs- und Trainingspipelines (SFT, DPO/RLHF, LoRA), einschließlich Datenaufbereitung und -auswertung
• GPU-Leistungsarbeit – Multi-Node/verteilte Inferenz, KV-Cache/Speicheroptimierung, Quantisierung (FP8/INT8/AWQ/GPTQ) oder Kaltstart/Durchsatzoptimierung
• Erfahrung mit Kubernetes, Cloud-Infrastruktur (AWS/GCP), GPUs, serverlosen/elastischen GPU-Plattformen (z. B. Modal) oder Batch-Systemen mit hohem Durchsatz
• Erfahrung mit LLM-Gateways, Modellrouting, Anbieterabstraktion oder Kostenzuordnung
• Erfahrung im Aufbau von Entwicklerplattformen, internen Plattformen oder Self-Service-Infrastrukturen
• Erfahrung im Aufbau und Einsatz von KI-Agenten oder MCP-Servern in der Produktion
• Erfahrung mit Bewertungssystemen, LLM-Observability, Tracing, RAG, Suche oder Vektordatenbanken …
Quelle: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/deliveroo/software-engineer-genai-platform-london-481615)
Deliveroo ist jetzt Teil von DoorDash und bringt Teams mit noch größerer Reichweite, Größe und Ehrgeiz zusammen. Abhängig von Ihrer Rolle können Sie mit Teamkollegen, Systemen und Führungskräften bei DoorDash und Wolt zusammenarbeiten. Gemeinsam erschließen wir als globales Team neue Möglichkeiten.
Softwareentwickler, GenAI-Plattform
Über das Team
Das GenAI-Plattform-Team von Deliveroo sitzt innerhalb der Machine Learning Platform und baut die gemeinsame Infrastruktur auf, die den Teams von DoorDash, Wolt und Deliveroo dabei hilft, GenAI-basierte Produkte, Agenten, Automatisierung und Personalisierung sicher in die Produktion zu bringen. Unsere Mission ist es, die Geschwindigkeit der geschäftlichen Auswirkungen von GenAI zu erhöhen. Eine zentrale Säule dieser Arbeit besteht darin, Frontier Open-Weight-LLMs und VLMs (wie GLM, Qwen, Kimi und DeepSeek) selbst zu betreiben – Echtzeit-GPU-Bereitstellung, Batch-Inferenz mit hohem Durchsatz und Feinabstimmung auf Autoscaling-GPUs – was große Kosten- und Latenzvorteile liefert (z. B. wurden eine Milliarde Einbettungen etwa 20-mal günstiger produziert und visuelle Modelle etwa 72 % günstiger bereitgestellt). Wir besitzen auch Kernplattformoberflächen, einschließlich des LLM Gateway, des Agent Gateway, der Eval-Infrastruktur, der Leitplanken und der Kostenzuordnung.
Über die Rolle
Sie werden Teil eines kleinen, leistungsstarken Teams, das eine Produktionsinfrastruktur für generative KI bei Deliveroo und DoorDash aufbaut. Der Schwerpunkt liegt dabei auf unserer Open-Weights-Modellplattform, die Inferenz und Feinabstimmung umfasst: Echtzeit-GPU-Bereitstellung, Batch-Inferenz mit hohem Durchsatz und Modell-Feinabstimmung. Sie arbeiten mit Modellbereitstellungs- und Inferenz-Engines, Feinabstimmungs- und Trainingspipelines, automatischer GPU-Skalierung und -Nutzung, Batch-Pipelines, Backend-Diensten und Observability. Diese Rolle ist ideal für einen Ingenieur, der gerne die Kosten-Leistungs-Grenze der GPU-Inferenz und -Feinabstimmung in einem schnelllebigen technischen Bereich erweitert, in dem sich Produktanforderungen, Modellfunktionen, Anbieter-Ökosysteme und Kosten-Leistungs-Kompromisse schnell weiterentwickeln.
Sie freuen sich über diese Gelegenheit, weil Sie…
• Bauen Sie die Infrastruktur auf, die Deliveroo-Teams dabei hilft, GenAI-Ideen vom Prototyp in die Produktion zu überführen und so die Geschwindigkeit der geschäftlichen Auswirkungen von KI im gesamten Unternehmen zu erhöhen.
• Arbeiten Sie an unserem Open-Weights-Serving-Stack – Echtzeit-GPU-Endpunkte, Batch-Inferenz mit hohem Durchsatz und Feinabstimmung (SFT/DPO/LoRA) – neben dem LLM-Gateway, dem Agent-Gateway, der Eval-Infrastruktur, Leitplanken und der Kostenzuordnung.
• Entwerfen Sie skalierbare Hochleistungssysteme für Modellbereitstellung, Batch-Inferenz, automatische GPU-Skalierung und Feinabstimmung, die echte Kunden- und interne Automatisierungsanwendungsfälle unterstützen
• Erweitern Sie die Kosten- und Latenzgrenze der GPU-Inferenz – wandeln Sie Batch-Jobs, die Tage gedauert haben, in Stunden um und senken Sie die Inferenzkosten um ein Vielfaches – und geben Sie Produktteams gleichzeitig eine klare Auswahl zwischen Open-Weight- und Closed-Source-Modellen mit integrierter Zuverlässigkeit, Fallback, Beobachtbarkeit und Kostenkontrolle.
• Erstellen Sie Plattformen, die schnelles Experimentieren unterstützen und gleichzeitig Produktionsstandards für Latenz, Skalierung, Überwachung, SLOs, Playbooks und betriebliche Exzellenz erfüllen.
• Arbeiten Sie eng mit ML-Ingenieuren, Produktingenieuren, Datenwissenschaftlern und Plattformteams bei DoorDash, Wolt und Deliveroo zusammen, um neue GenAI-Funktionen in dauerhafte Plattformprimitive umzuwandeln.
• Gestalten Sie die Zukunft der zentralisierten GenAI-Plattform – einschließlich neuer Richtungen wie Reinforcement Learning (RLHF/RLVR), Agentenoptimierung und anderer Post-Training- und Agententechniken – und ermöglichen Sie die nächste Generation von KI-gestützten Produkten, Agenten, Automatisierung und Personalisierung.
Wir freuen uns auf Sie, denn Sie haben…
• BSc, MSc oder PhD in Informatik oder gleichwertiger Abschluss
• Mehr als 3 Jahre Branchenerfahrung im Software-Engineering
• Starke Backend-Engineering-Grundlagen, insbesondere in Python und verteilten Systemen.
• Erleben Sie den Aufbau von Produktionsdiensten, APIs, Datenpipelines oder ML-Infrastrukturen in großem Maßstab.
• Erfahrung mit Betriebssystemen in der Produktion, einschließlich Beobachtbarkeit, Debugging, Zuverlässigkeit, Reaktion auf Vorfälle und Leistungs-/Kostenoptimierung.
• Praktische Erfahrung mit LLM-Inferenz und/oder Feinabstimmung von Open-Weight-Modellen in der Produktion – Bereitstellung (Latenz, Durchsatz, Stapelverarbeitung, automatische Skalierung, GPU-Auslastung) und/oder Feinabstimmung (SFT/DPO/LoRA).
• Fähigkeit, in mehrdeutigen, sich schnell verändernden technischen Bereichen zu arbeiten und Kundenanwendungsfälle in wiederverwendbare Plattformfunktionen umzuwandeln
• Kenntnisse im Umgang mit KI-Codierungstools (z. B. Claude Code, Codex, Cursor) im gesamten Softwareentwicklungslebenszyklus, einschließlich Entwurf, Generierung von Code, Testen, Überwachung und Veröffentlichung von Software
Schön zu haben
• Erfahrung mit LLM-Inferenz-Engines und Serving-Frameworks (z. B. vLLM, SGLang, TensorRT-LLM) in der Produktion
• Erfahrung mit verteilten/Multi-Node-Feinabstimmungs- und Trainingspipelines (SFT, DPO/RLHF, LoRA), einschließlich Datenaufbereitung und -auswertung
• GPU-Leistungsarbeit – Multi-Node/verteilte Inferenz, KV-Cache/Speicheroptimierung, Quantisierung (FP8/INT8/AWQ/GPTQ) oder Kaltstart/Durchsatzoptimierung
• Erfahrung mit Kubernetes, Cloud-Infrastruktur (AWS/GCP), GPUs, serverlosen/elastischen GPU-Plattformen (z. B. Modal) oder Batch-Systemen mit hohem Durchsatz
• Erfahrung mit LLM-Gateways, Modellrouting, Anbieterabstraktion oder Kostenzuordnung
• Erfahrung im Aufbau von Entwicklerplattformen, internen Plattformen oder Self-Service-Infrastrukturen
• Erfahrung im Aufbau und Einsatz von KI-Agenten oder MCP-Servern in der Produktion
• Erfahrung mit Bewertungssystemen, LLM-Observability, Tracing, RAG, Suche oder Vektordatenbanken …
Quelle: Arbeitnow (https://www.arbeitnow.co.uk/jobs/companies/deliveroo/software-engineer-genai-platform-london-481615)
Dieses Angebot stammt aus einem Partner-Feed. Bewerben Sie sich auf der Quell-Website.
Quelle: Deliveroo
Standort
London, Vereinigtes Königreich
Inserat bereitgestellt von Deliveroo.
