remotefruitRemote-Jobs, die du auf
LinkedIn & Xing übersiehst.
Entdecke echte Remote-Stellen direkt bei Unternehmen.
Filter1
Remote-RegionAlle
ErfahrungAlle
VeröffentlichungAlle
4 Remote-Jobs
Kein Job-Newsletter für Berufskategorien
Deine bestehenden Newsletter bleiben unverändert. Berufsfilter entfernen
Älter · 4 Stellen
Forschungspraktikant/in
Die Rolle erforscht skalierbare, verteilte Systeme für maschinelles Lernen, entwickelt neuronale Netzwerkarchitekturen für dezentrale Rechenumgebungen und wirkt an wissenschaftlichen Publikationen mit.
Promotionsstudium
Promotionsstudium · erforderlichErforderlich ist eine aktuelle Einschreibung zur Promotion, in Ausnahmefällen zum Master, in Informatik, maschinellem Lernen oder einem verwandten Fach.
+5
- Zeitzonenbereich · erforderlich
Einstellungen erfolgen derzeit im Zeitzonenbereich zwischen der Westküste (PT) und Mitteleuropa (CET). Vollzeitbeschäftigten wird vollständig ortsunabhängiges Arbeiten angeboten.
- Eigenständige Forschung · erforderlich
Erforderlich ist Erfahrung mit eigenständiger Forschung, idealerweise mit Autorenschaft oder Mitautorenschaft an Publikationen zum maschinellen Lernen.
- Deep Learning · erforderlich
Erforderlich sind fundierte Kenntnisse der Deep-Learning-Grundlagen sowie Erfahrung mit mindestens einem verbreiteten Framework, beispielsweise PyTorch, JAX oder TensorFlow.
- ML-Frameworks · erforderlich
Erforderlich ist praktische Erfahrung mit mindestens einem verbreiteten Framework, beispielsweise PyTorch, JAX oder TensorFlow, zusammen mit fundierten Deep-Learning-Grundlagen.
- Kontinuierliches Lernen · Aufgabe
Die Forschungsarbeit im Deep Learning umfasst kontinuierliches Lernen neben modularen Architekturen, Verifizierbarkeit und Skalierung.
- Zeitzonenbereich · erforderlich
- PromotionsstudiumPromotionsstudiumZeitzonenbereichZeitzonenbereichEigenständige ForschungEigenständige ForschungDeep LearningDeep LearningML-FrameworksML-FrameworksKontinuierliches LernenKontinuierliches Lernen+5+4+3
Praktikum
Beschäftigungsart: Praktikum.
EU
Remote in Europa · Belegte Arbeits-/Kandidatenstandorte: Europa. · Vollzeitbeschäftigten wird vollständig ortsunabhängiges Arbeiten angeboten. Einstellungen erfolgen derzeit im Zeitzonenbereich zwischen der Westküste (PT) und Mitteleuropa (CET).
KI-Forscher für Inferenzoptimierung
Die Rolle erforscht und entwickelt leistungsfähige Inferenzsysteme für große ML-Modelle. Modell- und Systemoptimierungen sollen Latenz, Durchsatz, Speichereffizienz und Kosten im Produktionsbetrieb verbessern.
Inferenzoptimierung
Inferenzoptimierung · erforderlichGefordert ist praktische Erfahrung mit der Inferenzoptimierung großer Modelle.
+5
- Python · erforderlich
Sichere Python-Kenntnisse sind zusammen mit Kenntnissen moderner ML-Frameworks, beispielsweise PyTorch, erforderlich.
- Quantisierung · Aufgabe
Die Rolle entwirft und bewertet Quantisierung als Verfahren zur Optimierung auf Modellebene.
- Dynamisches Batching · Aufgabe
Die Rolle implementiert dynamisches Batching als Systemoptimierung für die Inferenz.
- Spekulatives Decoding · von Vorteil
Spekulatives Decoding zählt zu den relevanten Forschungsgebieten, die als zusätzlicher Pluspunkt gelten.
- Forschungsveröffentlichung · von Vorteil
Erwünscht ist Autorenschaft oder Mitautorenschaft begutachteter Forschungsarbeiten in Machine Learning, Systemen oder verwandten Gebieten.
- Python · erforderlich
- InferenzoptimierungInferenzoptimierungPythonPythonQuantisierungQuantisierungDynamisches BatchingDynamisches BatchingSpekulatives DecodingSpekulatives DecodingForschungsveröffentlichungForschungsveröffentlichung+5+4+3
Weltweit
Remote weltweit · Belegte Arbeits-/Kandidatenstandorte: weltweit.
Senior-/Lead-Forschungswissenschaftler für Modelle
Die Rolle klärt offene Forschungsfragen durch Experimente und fundierte Evaluation. Forschungsergebnisse sollen praktisch wirksam und sichtbar werden; die Zusammenarbeit mit Führungs- und Engineering-Teams in den USA erfolgt täglich.
Foundation Models
Foundation Models · von VorteilHilfreich sind Erfahrungen mit Training, neuen Architekturen, Reinforcement Learning, Reward Modeling und Skalierung von Foundation Models. Ein überzeugender Teil der genannten Erfahrungsfelder genügt; nicht alles ist erforderlich.
+4
- Englisch · erforderlich
Beruflich fließendes Englisch in Wort und Schrift ist erforderlich, da täglich mit Führungs- und Engineering-Teams in den USA zusammengearbeitet wird.
- Evaluation · von Vorteil
Hilfreich sind Benchmarks, Evaluationsschleifen, Qualitätsmessung, LLM-as-judge und Fehleranalyse. Das Feld gehört zur Auswahl hilfreicher Erfahrungen; ein überzeugender Teil der Gesamtaufzählung genügt, nicht alles ist erforderlich.
- Forschungsqualifikation · von Vorteil
Hilfreich ist ein PhD in ML/NLP oder nachweisbare gleichwertige praktische Erfahrung. Dieser Punkt ist Teil einer Auswahl: Ein überzeugender Teil der genannten Erfahrungsfelder genügt, nicht alle Punkte sind erforderlich.
- Forschungsverantwortung · von Vorteil
Hilfreich ist durchgängige Verantwortung von der Forschungsfrage über Experimente und Publikation bis zur praktischen Bereitstellung. Dieser Punkt ist nicht einzeln verpflichtend; ein überzeugender Teil der genannten Erfahrungsfelder genügt.
- Englisch · erforderlich
- Foundation ModelsFoundation ModelsEnglischEnglischEvaluationEvaluationForschungsqualifikationForschungsqualifikationForschungsverantwortungForschungsverantwortung+4+3+2
DE
Remote aus Deutschland · Belegte Arbeits-/Kandidatenstandorte: Deutschland.
Informatiker für 3D-Technologien auf Vertragsbasis
Die Rolle erforscht komplexe Probleme der algorithmischen Geometrie und entwickelt die Automatisierung der Erstellung von 3D-Inhalten weiter.
C++
C++ · erforderlich
Befristet
Beschäftigungsart: Befristet.
DE
Remote aus Deutschland · Belegte Arbeits-/Kandidatenstandorte: Deutschland.