Auf einen Blick
ML-Infrastruktur-Ingenieur bei Reducto, verantwortlich für Aufbau und Optimierung von Training- und Inference-Stacks. Balance zwischen schneller Experimentationsfähigkeit und High-Performance Production-Serving.
💰 $160.000–220.000/Jahr
📊 Mid-Level
🕒 Vollzeit
🌍 Vor Ort
🗺️ Americas
- 3+ Jahre Erfahrung
- Systems-Engineering-Background
- Python-Kompetenz
- Kubernetes und Distributed Training
Python
Kubernetes
✅ Geeignet für
- Mid-Level ML-Ingenieure mit Systems-Background
- Ingenieure mit Kubernetes und Distributed-Systems-Erfahrung
- Python-Experten mit GPU-Optimization-Interesse
🚫 Weniger geeignet
- Junior-Ingenieure ohne Production-Erfahrung
- Pure-ML-Researcher ohne Infrastructure-Focus
- Remote-Worker (In-Person in San Francisco erforderlich)
💡 Gut zu wissen
- In-Person Rolle in San Francisco
- High-Performance-Anforderungen und komplexe verteilte Systeme
- Early-Stage Startup mit schnellem Iterationstempo
Über das Unternehmen
Reducto ist die agentengesteuerte Dokumentenplattform für führende KI-Teams. Das Unternehmen wurde von world-class Investoren wie a16z, Benchmark und First Round Capital unterstützt und hat über 100 Millionen USD Kapital eingeworben.
Deine Aufgaben
- Aufbau und Wartung des Training- und Inference-Stacks mit Balance zwischen schneller Experimentation und High-Performance-Production-Serving
- Entwicklung von Benchmarks für beide Stacks zur Identifikation von Engpässen
- Exploration von State-of-the-Art Advances in Training und Inference
- Design von Systemen zur Skalierung von Model-Training über Multi-Node Multi-GPU Umgebungen
- Skalierung verteilter Training- und Inference-Workloads über große GPU-Cluster
- Verbesserung von GPU-Auslastung, Zuverlässigkeit und Kosteneffizienz
- Aufbau von Tooling, Abstraktionen und Observability zur Beschleunigung von ML-Engineers
Deine Voraussetzungen
- 3+ Jahre Erfahrung mit hohem Standard für Qualität und Präzision
- Freude an der Lösung komplexer Probleme und Entwicklung aus First Principles
- Starke Python-Fähigkeiten und Systems-Engineering-Background
- Komfortabel mit Kubernetes und verteilten Training-Frameworks
- Begeisterung für praktische Implementation Challenges
- Fähigkeit zum effizienten Arbeiten in schnellwachsenden High-Growth-Umgebungen
- Effektive Zusammenarbeit und Full Ownership von Strategie bis Execution
Benefits
- Unbegrenzter bezahlter Urlaub
- Kostenlose tägliche Mittagessen
- Erstattung von Pendelkosten
- Umfassende medizinische, zahnmedizinische und Augenversicherung
- Wellness-Budget bis 150 USD/Monat
- Flexible Elternzeitregelung