ML Engineer - Remote-Stelle

micro1 sucht ML Engineer. Die Stelle liegt im Bereich IT und Programmierung und ist vollständig remote. Das Unternehmen schränkt den Wohnort der Kandidatin nicht ein, Sie können sich also von überall bewerben.

Die wichtigsten in der Anzeige genannten Werkzeuge sind: Machine Learning, Python. Der Lebenslauf sollte konkrete Beispiele genau dieser Fähigkeiten zeigen.

Das Unternehmen hat die Vergütung veröffentlicht: $100 - $150 pro Stunde. Zu den Arbeitszeiten stellt die Anzeige keine Bedingung.

Diese Stelle hat eine automatische Prüfung durchlaufen: Anzeigen, die eine ausländische Arbeitserlaubnis, Visa-Sponsoring, eine bestimmte Staatsangehörigkeit oder den Wohnsitz in einem genannten Land verlangen, kommen nicht auf die Liste.

Stellenbeschreibung Stundensatz: $ 100- $ 150 Arbeitsstandort: Flexibles, Remote-Arbeiten weltweit Vertragsdauer: ca. 15 Stunden pro Woche Arbeitsplan: Flexibel, so dass Sie die Stunden und Tage auswählen können, die am besten zu Ihnen passen, einschließlich Wochenenden, falls gewünscht Wir suchen erstklassige Machine Learning-Spezialisten für unser KI-Trainingsprojekt, das sich auf Modellentwicklung, Trainings- und Inferenzsysteme, numerisches Computing, Leistungsoptimierung und Python-Programmierung konzentriert. Ihre Aufgaben umfassen die Gestaltung, Implementierung, Überprüfung und Validierung komplexer maschineller Lernaufgaben. Eine typische Aufgabe könnte die Entwicklung oder Anpassung eines Modells, die Schaffung eines wiederholbaren Trainings- oder Inferenzprozesses, die Verbesserung des Speichers oder der Geschwindigkeit, die Fehlersuche bei numerischen oder systembezogenen Problemen und die Sicherstellung, dass die endgültige Implementierung sowohl den Genauigkeits- als auch den Leistungsstandards entspricht, umfassen. Diese Position ist auf erfahrene ML-Ingenieure und Forscher zugeschnitten, die ein tiefes Verständnis der zugrunde liegenden Systeme hinter High-Level-APIs haben. Bewerber sollten über umfangreiche praktische Erfahrungen mit verschiedenen Tools aus dem modernen ML-Ökosystem verfügen und darauf vorbereitet sein, ihre Beiträge, Optimierungen und operativen Rollen zu diskutieren. Was Sie anpacken werden

Entwerfen und validieren Sie Machine-Learning-Modelle, Schulungspipelines, Inferenzsysteme und unterstützende Infrastruktur.

Implementieren Sie Modellkomponenten, Datenpipelines, Bewertungsmechanismen und numerische Methoden.

* Konstruieren Sie reproduzierbare programmatische Workflows mit Python- und Kommandozeilen-Tools.

* Handhabung von Tensoroperationen, automatischer Differenzierung, Modellarchitekturen, Tokenisierung, Batching und Erzeugung.

Optimieren Sie das Training oder die Inferenz für Latenz, Durchsatz, Speichereffizienz und Hardwareauslastung.

* Diagnose numerischer Instabilität, falsches Tensorverhalten, Speicherbeschränkungen, Funktionsstörungen im verteilten System und Leistungsrückgänge.

* Bewerten Sie verschiedene Modellimplementierungen, um Richtigkeit und Reproduzierbarkeit zu bestätigen.

* Überprüfen Sie KI-generierten Code und technische Lösungen auf Korrektheit, Effizienz und technische Qualität.

* Entwicklung objektiver Tests, Benchmarks und Verifizierungskriterien.

* Dokumentieren Sie technische Entscheidungen, Kompromisse und Einschränkungen im Detail.

Erforderliche Erfahrung

* Ein Master-Abschluss oder PhD in Informatik, Machine Learning, Künstliche Intelligenz, Angewandte Mathematik, Statistik, Ingenieurwesen oder einem eng verwandten Bereich.

* Umfangreiche berufliche oder Forschungserfahrung im maschinellen Lernen.

* Kenntnisse mit Python.

* Bedeutende Erfahrung mit mindestens zwei relevanten ML-Frameworks, Bibliotheken oder Inferenz-Tools.

* Ein robustes Verständnis von Modelltraining, Bewertung, numerischer Berechnung oder Inferenz.

* Die Fähigkeit, ML-Systeme über die grundlegende API-Nutzung hinaus zu debuggen.

* Die Fähigkeit, Implementierungsentscheidungen, Leistungsabwägungen und Fehlermodi klar zu artikulieren.

* Erleben Sie das Erstellen reproduzierbarer technischer Workflows.

Mögliche Tools können umfassen:

* PyTorch

* JAX

* NumPy und SciPy

* SGLang

* vLLM

* llama.cpp

* Umarmung Gesicht Transformers

* Umarmung Face Tokenizers

Gleichwertige Werkzeuge können auch in Betracht gezogen werden, wenn der Kandidat relevantes Fachwissen aufweist.

Berufserfahrung in einem renommierten Technologieunternehmen, einem KI-Labor, einer Forschungseinrichtung oder einem anerkannten Engineering-Umfeld ist sehr wünschenswert. Außergewöhnliche Open-Source- oder akademische Erfahrungen können ebenfalls ausreichen. Anwendungsprozess

* Reichen Sie Ihre Bewerbung ein und beantworten Sie die Screening-Fragen.

* Nehmen Sie an einem 30-minütigen AI-Interview teil.

* Füllen Sie eine technische Bewertung, falls erforderlich.

* Unterziehen Sie sich der Überprüfung des Einstellungsmanagers.

Vergütungsstruktur Die Vergütung wird durch die Qualität der Produktion bestimmt. Experten werden auf der Grundlage von Aufgaben bezahlt, die die Projektanforderungen erfüllen. Die Zeit, die benötigt wird, um jede Aufgabe zu erledigen, kann je nach Erfahrung und Workflow des Experten variieren. Es gelten Mindestvorgabestandards. Start Timeline & Verfügbarkeit

* Wir wollen innerhalb von 48 Stunden Positionen besetzen und suchen Experten, die sofort starten können. Wenn Sie ausgewählt sind, müssen Sie Ihre erste Aufgabe innerhalb von 24-48 Stunden nach dem Onboarding beginnen.