remotefruitRemote nach Länderfreigabe
Ingenieur für ML-Infrastruktur
- Arbeitszeit
- Nicht angegeben
- Erfahrung
- Erwartet wird fundierte Erfahrung mit modernen Deep-Learning-Frameworks. Erfahrung mit Python und Werkzeugen zur Leistungsprofilierung ist von Vorteil.
- Vergütung
- Gehalt nicht angegeben
Die Rolle in Kürze
Die Rolle leitet und unterstützt GPU-Benchmarks für ML- und KI-Anwendungen und schafft Entscheidungsgrundlagen für Plattformoptimierungen und die Entwicklung neuer Hardware. Sie arbeitet eng mit Hardware- und Entwicklungsteams zusammen und entwickelt Werkzeuge zur Leistungsanalyse.
Deine Aufgaben
- Die Rolle leitet und unterstützt Benchmarks von GPU-Plattformen für ML- und KI-Anwendungen.
- Sie erstellt gemeinsam mit Hardware- und Entwicklungsteams Leistungsprofile und analysiert GPUs auf System- und Kernel-Ebene.
- Sie bewertet und vergleicht die GPU-Leistung verschiedener Plattformen, Architekturen und Software-Stacks wie CUDA und ROCm.
- Sie untersucht Fehler und optimiert ML-Workloads auf GPU-Hardware, indem sie Leistungsengpässe erkennt und behebt.
- Sie führt Abnahmetests für neue GPU-Cluster durch und prüft Leistung, Stabilität und Kompatibilität von Hardware und Software für KI-Workloads.
- Sie untersucht experimentell, wie unterschiedliche GPU-Systemkonfigurationen, Verbindungsstrategien und Systemoptimierungen Leistung und Skalierbarkeit beeinflussen.
- Sie entwickelt Werkzeuge und Dashboards zur Darstellung von Leistungskennzahlen, Engpässen und Trends.
- Sie wirkt an internen Werkzeugen, Frameworks und bewährten Verfahren mit.
Das solltest du mitbringen
Erforderlich
- Erwartet wird ein fundiertes Verständnis der theoretischen Grundlagen des maschinellen Lernens.
- Erwartet wird ein tiefes Verständnis der Leistungsaspekte beim Training und bei der Inferenz großer neuronaler Netze, einschließlich Daten-, Tensor-, Kontext- und Expertenparallelität, Offloading, eigener Kernel, Hardwarefunktionen, Attention-Optimierungen und dynamischem Batching.
- Erwartet wird fundierte Erfahrung mit modernen Deep-Learning-Frameworks wie PyTorch, JAX, Megatron-LM und Tensort-LLM.
- Erwartet wird ein gutes Verständnis des GPU-Stacks mit CUDA, NCCL, Treibern und relevanten Bibliotheken.
- Erwartet wird Vertrautheit mit containerisierten Umgebungen, beispielsweise Docker und Kubernetes.
- Erwartet werden ausgeprägte Kommunikationsfähigkeiten und die Fähigkeit, selbstständig zu arbeiten.
- Eine Arbeitsberechtigung für das Land, in dem die Bewerbung erfolgt, ist erforderlich und muss als Einstellungsvoraussetzung nachgewiesen werden.
Von Vorteil
- Von Vorteil ist Vertrautheit mit modernen LLM-Inferenz-Frameworks wie vLLM, SGLang und TensorRT.
- Von Vorteil ist Erfahrung mit Python und Werkzeugen zur Leistungsprofilierung, beispielsweise Nsight, nvprof und perf.
- Von Vorteil ist Vertrautheit mit Cloud-ML-Plattformen wie AWS, GCP und Azure ML.
- Von Vorteil sind Beiträge zu quelloffenen ML-Benchmarking-Werkzeugen.
Das wird angeboten
- Geboten werden eine wettbewerbsfähige Vergütung sowie berufliche Entwicklungs- und Lernmöglichkeiten.
- Die Arbeit bietet Flexibilität, Eigenverantwortung und Gestaltungsmöglichkeiten bei KI-Projekten.
- Das Arbeitsumfeld ist international und auf Zusammenarbeit und Innovation ausgerichtet.
So läuft die Bewerbung
- Voraussetzung für eine Einstellung ist der Nachweis der Arbeitsberechtigung im jeweiligen Bewerbungsland.
- Bei Bedarf sind Anpassungen im Bewerbungsverfahren möglich.
Veröffentlicht: 12.05.2026 · Quelle geprüft: 17.10.2026.
Die Angaben sind für RemoteFruit einheitlich aufbereitet. Maßgeblich bleibt die Originalanzeige. RemoteFruit steht in keiner Partnerschaft mit dem ausschreibenden Unternehmen.