A
ZFA / Dental Assistant
Avomind · 📍 Berlin | Germany · 🕒 03.08.2026
📊 Mid
A
Principal Machine Learning Engineer
Auf einen Blick
Principal ML Engineer für AI Communication Platform in Singapore. Baue produktionsreife LLM-Systeme, fine-tune große Models, optimiere Inference für Scale.
💰 ~$180.000–280.000/Jahr (geschätzt)
📊 Lead
🕒 Vollzeit
🌍 Remote
🗺️ APAC
- Deep Learning & Transformers Expertis
- PyTorch/JAX Proficiency
- Production ML Systems Erfahrung
Machine Learning
PyTorch
Distributed Training
GPU Optimization
Gehalt geschätzt anhand Principal ML Engineer, Global Market 200–260k USD + Equity. Kein Gehalt in der Anzeige angegeben.
✅ Geeignet für
- Senior ML Engineers mit LLM-Tiefgang
- Menschen mit Production-Scale-Erfahrung
- Systemdesigner im ML Space
🚫 Weniger geeignet
- Mid-Level Entwickler ohne Principal-Grade-Erfahrung
- Forscher ohne Production Mindset
- Personen ohne Distributed Systems Verständnis
💡 Gut zu wissen
- Stealth Startup bedeutet Ambition und Unklarheit gleichzeitig
- Singapore-Remote bedeutet APAC Timezone Compatibility erwartet
- Frontier AI bewegt sich schnell: Technologien von heute können morgen veraltet sein
Über das Unternehmen
Der Auftraggeber ist ein Stealth AI Startup, unterstützt von einem der führenden Tech Unternehmen Südostasiens und buildert aktuell sein globales Gründungsteam. Das Unternehmen entwickelt eine AI-native Communication Platform designt, um alltägliche Tasks zu vereinfachen durch direkte AI Integration in Conversations. Statt mehrere Applications zu wechseln, können Users planen, organisieren, vergleichen, recherchieren und Tasks vervollständigen innerhalb eines Single Intelligent Assistants. Mit Fokus auf zuverlässige AI Workflows, persistent Context, Multi-Step Reasoning und nahtlose Task Execution.
Deine Aufgaben
- End-to-End Machine Learning Pipelines builden und ownern: Data Processing bis Deployment
- Fine-Tune und Adapt Models mit Modern Techniques (LoRA, QLoRA, SFT, DPO, Distillation)
- Skalierbare Inference Systems designen und operieren (Latency, Cost, Reliability Balancing)
- Data Pipelines für Synthetic und Real-World Training Datasets entwickeln und maintain
- Evaluation Frameworks für Model Performance, Robustness, Safety und Bias Assessment
- Production Deployments optimieren (GPU Optimization, Memory Efficiency, Latency Reduction)
- Zusammenarbeit mit Application Engineering Teams für System Integration
- Kontinuierliche ML System Improvement durch Rapid Iteration und Production Monitoring
Deine Voraussetzungen
- Strong Background in Deep Learning und Transformer-basierte Architekturen
- Hands-On Erfahrung Training, Fine-Tuning oder Deploying großer ML Models in Production
- Proficiency mit Modern ML Frameworks (PyTorch oder JAX)
- Erfahrung mit Distributed Training und Inference Frameworks (DeepSpeed, FSDP, Megatron, ZeRO, Ray)
- Strong Software Engineering Skills für Robust, Maintainable, Production-Grade Systems
- Erfahrung mit GPU Workload Optimization (Memory, Quantization, Mixed Precision)
- Fähigkeit, End-to-End ML Systems in schnellen Umgebungen zu ownen
- Strong Problem-Solving und Rapid Iteration Focus
Benefits
- Frontier AI Technology Building
- Principal-Level Ownership über ML Strategy
- Schnell skalierend Startup mit Global Team