ML Mühendisi, Altyapı

Biz kimiz
Temel modelleri metin ve görselleri dönüştürdü. Dünyanın en büyük ve en önemli veri formatı olan yapılandırılmış verilere şimdiye kadar dokunulmamıştı. Yüksek Lisans'ın dil için yaptığını biz tablolar için yapıyoruz.
Tablo temel modellerine öncülük ettik: TabPFN v2 bir Nature kapak hikayesiydi, 3,5 milyondan fazla indirme ve 7.500'den fazla GitHub yıldızı elde etti ve Oxford Cancer Analytics ile akciğer hastalıklarını tespit etmekten Hitachi ile tren arızalarını önlemeye kadar üretimde çalışıyor. En zor problemler (milyonlarca satır, gerçek zamanlı çıkarım, tamamen yeni yöntemler) hâlâ açık ve bu düzeyde başka hiç kimse bunlar üzerinde çalışmıyor.
Google, DeepMind, Meta, Apple, Amazon, Jane Street ve CERN'den geçmişe sahip, Frank Hutter, Noah Hollmann ve Sauraj Gambhir tarafından yönetilen ve Bernhard Schölkopf ve Turing Ödülü sahibi Yann LeCun tarafından tavsiye edilen, 40'tan fazla kişiden oluşan, son derece seçici küçük bir ekibiz.
Temmuz 2026'da, 9 milyon Euro'luk ön tohumlamamızın üzerinden 18 aydan kısa bir süre sonra, bağımsız bir sınır yapay zeka laboratuvarı olarak SAP'ye katıldık; aynı ekip, misyon ve açık ağırlık modelleri, şu anda dört yılda 1 milyar Euro'dan fazla destekleniyor.

Rol Hakkında
Tablo temel modellerini eğitmek için GPU hesaplamasına yılda on milyonlarca dolar harcıyoruz. Bu bir hedef değil, bugün yürüttüğümüz şey bu ve büyüyor. Bu altyapıya sahip olan kişi milyonlarca dolar değerinde kararlar verir: küme mimarisi, planlama verimliliği, sağlayıcı stratejisi, donanım seçimi. Yanlış bir aramanın maliyeti altı rakamlıdır.
Bugün Slurm'u GCP'de birden fazla kümede çalıştırıyoruz. Çok kümeli, çok sağlayıcılı altyapıya ölçekleniyoruz ve yeni donanım nesillerini çevrimiçi hale geldikçe değerlendiriyoruz. Küme operasyonları ve maliyet optimizasyonundan dağıtılmış eğitim performansına ve araştırmacıların hızlı hareket etmesini sağlayan araç katmanına kadar tüm yığına sahip olursunuz. Doğrudan araştırma ekibiyle çalışırsınız ve onlara gerçekten yardımcı olacak altyapı kararlarını verecek kadar ne yaptıklarını yeterince anlarsınız. Ve bu saf bir destek rolü değil. Açık bir ortamda çalışıyoruz. Bir sonraki SOTA tablo mimarisine sahipseniz, devam edin ve onu eğitin.
Ne üzerinde çalışacaksınız:

• Çok kümeli GPU altyapısına sahip olun ve geliştirin. Bugün GCP'de sıkıntı, yarın çoklu sağlayıcı ve yeni donanım. Mimari, planlama, güvenilirlik, maliyet optimizasyonu

• GPU kullanımını ve eğitim verimini artırın: profil oluşturma, bellek optimizasyonu, iletişim darboğazları, büyük çalışmalar genelinde dağıtılmış eğitimde sistem düzeyinde hata ayıklama

• Altyapımızın yeni neslini tasarlayın: çoklu küme orkestrasyonu, yeni GPU nesilleri, sağlayıcı çeşitlendirmesi, artan bilgi işlem taleplerine karşı kapasite planlaması

• Geliştirici üretkenlik katmanını oluşturun: CI ardışık düzenleri, deney izleme, model kaydı, veri işleme ve araştırma yineleme hızını yüksek tutan dahili araçlar

• Bilgi işlem bütçesine sahip olun. Sağlayıcılar ve donanım genelinde FLOP başına maliyetin farkındasınız ve bilgi işlem israfından nefret ediyorsunuz

Teknoloji yığını: Slurm, GCP, Docker, wandb, GitHub Actions, uv, PyTorch, Triton
Aşağıdaki özelliklere sahipseniz uygun olabilirsiniz:

• 3 yıldan fazla üretim GPU altyapısı veya dağıtılmış eğitim sistemlerini geniş ölçekte oluşturma ve işletme. Büyük bir yapay zeka laboratuvarında, iyi finanse edilen bir makine öğrenimi girişiminde veya bir HPC ortamında

• Slurm ve küme yönetimi konusunda derin uygulamalı deneyim. Zamanlama hatalarını ayıkladınız, çok kiracılı GPU iş yüklerinde kullanımı optimize ettiniz ve kesinti süresinin gerçek maliyete sahip olduğu altyapıyı işlettiniz

• Uzman düzeyinde sistem düşüncesi: bellek bant genişliği, GPU profili oluşturma. Yapılandırmaları değil, donanımı düşünürsünüz

• Güçlü Python ve PyTorch'un dahili bileşenleriyle gerçek akıcılık. Bir eğitim çalıştırmasının profilini çıkarmak ve darboğazın veri yükleme, iletişim veya bilgi işlemden mi kaynaklandığını anlamak için yeterli

• Eğitim verimini veya maliyet verimliliğini ölçülebilir şekilde artıran altyapı kararlarının alınmasına ilişkin kayıtlar

• Güçlü AI araç kullanma becerileri. Kaliteden ödün vermeden hızlı hareket etmek için Claude Code, Cursor veya benzerlerini akıcı bir şekilde kullanırsınız

Bonus:

• On milyonlarca ölçekli GPU harcamasıyla çalışma deneyimi

• Çoklu bulut veya hibrit HPC/bulut altyapısı deneyimi

• Triton, CUDA veya özel çekirdek deneyimi

• Tek kümeden çoklu küme orkestrasyonuna kadar ölçeklendirmeyi deneyimleyin

• Arka planda oluşturma deneme takibi, model kaydı veya ML ardışık düzeni araçları

Prior Labs'ta Yaşam
Çalışmalarının kalitesi ve birbirleriyle çalışma biçimleri açısından çıtayı çok yüksek tutan araştırmacılar ve inşaatçılarla birlikte çalışacaksınız. Hızlı hareket ediyoruz ve yine de işleri doğru yapmak için zaman ayırıyoruz.
Ekiplerimiz Berlin, Freiburg ve New York'ta bulunmaktadır; TabPFN gibi zor bir şey üzerinde çalışırken aynı odada olmak önemlidir. Ancak her yerden harika insanlar geliyor ve istisnai durumlarda uzaktan görüşmeye açığız, bu da genellikle ofislerimizden birine sık sık seyahat etmek anlamına geliyor. Nerede olursanız olun, tüm şirket, tesis dışında inşa etmek ve birlikte kutlama yapmak için düzenli olarak bir araya gelir.

Taahhütlerimiz
En iyi ürünler ve ekipler, geniş bir perspektif ve geçmiş yelpazesine sahip kişiler tarafından oluşturulur. Her kimlikten ve yaşam kesiminden başvuruları memnuniyetle karşılıyoruz - özellikle de "her kutuyu işaretlememek" nedeniyle cesaretiniz kırılmışsa - ve cinsiyet, cinsel yönelim, köken, engellilik veya sizi siz yapan diğer herhangi bir özelliğe bakılmaksızın eşit fırsatlar sağlıyoruz.
Verilerinizin nasıl işlendiğini önemsiyoruz - İşe Alma Veri Gizliliği sayfamıza bakın
Arbeitnow'da Almanya'da daha fazla İngilizce Konuşan İş İlanı bulun

Kaynak: Arbeitnow (https://www.arbeitnow.com/jobs/companies/prior-labs/ml-engineer-infrastructure-berlin-413317)