Auf einen Blick
Staff-Level ML Systems Engineer für Aufbau verteilter Infrastruktur, die großskalige Machine-Learning-Workflows ermöglicht. Architektur und Implementierung von Datenpipelines und ML-Plattformen.
💰 ~$190.000–270.000/Jahr (geschätzt)
📊 Lead
🕒 Vollzeit
🌍 Vor Ort
🗺️ Americas
- ML und verteilte Systeme Erfahrung
- Python oder C++
- Infrastruktur-Design
- Großskalige Systeme
Machine Learning
Distributed Systems
Gehalt geschätzt anhand Staff-level machine learning engineer with distributed systems expertise; mid-to-senior compensation typical for this level. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- Senior ML Engineers mit Infrastruktur-Erfahrung
- Distribuierte-Systeme-Spezialisten
- Technische Führungspersonen
🚫 Weniger geeignet
- Junior-Engineers ohne Infrastruktur-Erfahrung
- Pure Data Scientists ohne Systeme-Hintergrund
- Remote-only Worker
💡 Gut zu wissen
- Dies ist eine Senior-Position mit technischer Führung
- Erfordert umfangreiche Erfahrung mit großen Systemen
- Standort ist Seattle, nicht Irvine
Über das Unternehmen
FieldAI baut verteilte Infrastruktur, die Machine-Learning-Workflows in großem Maßstab ermöglicht. Das Unternehmen kombiniert Forschung mit Felddeployment und arbeitet mit Teams weltweit zusammen.
Deine Aufgaben
- Design und Aufbau skalierbarer verteilter Machine-Learning-Pipelines für Datenvorgabe, Modelltraining, Evaluierung und Post-Processing
- Architektur verteilter Ausführungssysteme mit Parallelisierungsstrategien und Fehlertoleranz
- Definition von architektonischen Mustern und Tools, die die ML-Plattform unterstützen
- Zusammenarbeit mit ML-Teams zur Skalierung von Produktions-Workflows
- Verbesserung der Infrastruktur und Werkzeuge für effiziente ML-Entwicklung
Deine Voraussetzungen
- Umfangreiche Erfahrung in Machine Learning und verteilten Systemen
- Starke Kenntnisse in Python, C++ oder Java
- Verständnis für Infrastruktur-Design und Cloud-Systeme
- Erfahrung mit Datenpipelines und ML-Workflows
Benefits
- Staff-level Position mit Führungsverantwortung
- Arbeit an führenden ML-Infrastruktur-Problemen
- Großzügiges Gehaltspaket mit Eigenkapital