Ingénieur plateforme d'apprentissage automatique

À propos d’ActAI
Aujourd’hui, plus de 5 milliards d’utilisateurs utilisent des applications de base telles que la messagerie électronique, les notes, les tâches et le calendrier, et elles ne sont pas natives de l’IA. Notre mission est de créer des applications proactives pour quiconque dans le monde, qui n'est pas habitué aux invites complexes. Notre objectif est d'apporter de l'intelligence aux conversations, aux courses, à l'organisation et aux flux de travail, avec un minimum, voire aucune invitation.
Notre produit vise à atteindre une fiabilité élevée pour les flux de travail de longue durée, un contexte persistant et l'exécution de tâches réelles. Nous pensons que les produits réduiront considérablement les hallucinations.
Notre objectif est d'organiser la vie de chacun, en nous permettant à tous de consacrer du temps à des choses précieuses et significatives.
À propos du rôle
En tant qu'ingénieur ML Platform, vous construirez l'infrastructure et les systèmes qui alimentent les capacités d'IA d'ActAI.
Vous concevrez et exploiterez les systèmes derrière la pile d'IA, de la formation et de l'évaluation des modèles au déploiement, à l'inférence, à l'observabilité et à l'amélioration continue.
Vous travaillerez en étroite collaboration avec des ingénieurs en IA, des chercheurs et des ingénieurs produits pour transformer les modèles en systèmes de production fiables, évolutifs et rentables. Vous créerez les plates-formes, les outils et l'infrastructure qui permettront à l'équipe d'expérimenter rapidement et de mettre les capacités d'IA en production en toute confiance.
Concentrez-vous

• Construire et exploiter l'infrastructure et les plates-formes ML qui alimentent les produits d'IA d'A1.

• Concevoir des systèmes pour la formation, l'évaluation, le déploiement, l'inférence et l'expérimentation de modèles.

• Créer et optimiser une infrastructure de diffusion de modèles et d'inférence pour les charges de travail à haut débit et à faible latence.

• Améliorer la fiabilité, l'évolutivité, la latence et la rentabilité des systèmes d'IA

• Développer des pipelines fiables pour la préparation des données, la formation, l'évaluation, la publication du modèle et l'amélioration continue.

• Créer des plates-formes et des outils qui permettent aux ingénieurs et aux chercheurs en IA d'expérimenter, d'évaluer et d'expédier des modèles plus rapidement.

• Développer une infrastructure d'évaluation et d'analyse comparative pour mesurer la qualité, les performances et les régressions des modèles.

• Développer l'observabilité, la surveillance, le traçage et les alertes de production pour les charges de travail IA/ML

• Améliorer les systèmes d'IA en termes de fiabilité, d'évolutivité, de latence, de débit et de coût.

• Identifier les goulots d'étranglement dans la pile ML et améliorer continuellement les performances du système.

• Travailler en étroite collaboration avec les ingénieurs en IA, les chercheurs et les équipes de produits pour transformer les exigences changeantes des modèles en une infrastructure prête pour la production.

Pile technologique

•Python

•PyTorch/JAX

• Infrastructure de service LLM et ML telle que vLLM, SGLang ou TensorRT-LLM

• Infrastructure cloud

• Systèmes distribués

• Pipelines de ML/données et orchestration des flux de travail

• Infrastructure GPU et outils de performance

• Bases de données vectorielles et infrastructure de récupération

Expérience idéale

• Solides bases en génie logiciel et expérience dans la création de systèmes de production

• Expérience dans la création d'infrastructures, de plates-formes ou de systèmes d'apprentissage automatique de production en ML.

• Expérience avec le déploiement de modèles, l'inférence, l'évaluation ou les pipelines de données.

• Forte compréhension des systèmes distribués et de la fiabilité des systèmes

• Capacité à écrire du code propre, maintenable et de qualité production.

• À l'aise de travailler dans des environnements ambigus et en évolution rapide

• Biais en faveur de l'appropriation, de l'expérimentation et de l'amélioration continue

Résultats

• L'infrastructure d'IA prend en charge de manière fiable les charges de travail de production à grande échelle

• Les modèles peuvent être formés, évalués, déployés et améliorés efficacement

• Les systèmes d'inférence offrent une latence, un débit, une fiabilité et une rentabilité élevés.

• Les pipelines ML sont reproductibles, observables, maintenables et robustes.

• Les régressions du modèle et de l'infrastructure sont détectées rapidement et diagnostiquées efficacement.

• Les capacités communes de l'infrastructure de ML deviennent des primitives de plateforme réutilisables plutôt que d'être reconstruites pour chaque produit d'IA.

• La pile d'IA peut évoluer rapidement à mesure que de nouveaux modèles, architectures et techniques d'inférence émergent.

Trouvez un emploi en Allemagne sur Arbeitnow

Source : Arbeitnow (https://www.arbeitnow.com/jobs/companies/bjak/machine-learning-platform-engineer-germany-452758)