remotefruitFilter
Remote-RegionAlle
ErfahrungAlle
VeröffentlichungAlle
KI-Forscher für Trainingsoptimierung
Die Rolle verbindet Forschung und Systementwicklung, um Trainingskosten zu senken, Konvergenz zu beschleunigen und die Modellqualität zu verbessern. Dazu werden Optimierungsverfahren für große Modelle entwickelt, implementiert und durch umfangreiche Experimente validiert. Die Arbeit umfasst auch wissenschaftliche Veröffentlichungen, technische Berichte oder Blogbeiträge. In enger Zusammenarbeit mit Infrastruktur- und Inferenzteams werden Forschungsergebnisse in messbare Verbesserungen der praktischen Leistungsfähigkeit überführt.
Python
Python · erforderlichSichere Kenntnisse in Python und modernen ML-Frameworks sind erforderlich; bei den Frameworks wird PyTorch bevorzugt.
+5
- Optimierung · erforderlich
Ein solides Verständnis von Optimierung in Theorie und Praxis ist erforderlich.
- Verteiltes Training · erforderlich
Ein solides Verständnis von verteiltem Training und Training mit großen Batches ist erforderlich.
- Große neuronale Netze · erforderlich
Erforderlich ist Erfahrung im Training großer neuronaler Netze, beispielsweise großer Sprachmodelle, multimodaler Modelle oder großer Sequenzmodelle.
- Forschungsveröffentlichung · erforderlich
Erforderlich ist Publikationserfahrung in ML-Foren, beispielsweise NeurIPS, ICML, ICLR, ACL, EMNLP, COLM oder arXiv, oder gleichwertige hochwertige offene Forschung.
- PyTorch · von Vorteil
Für die erforderlichen Kenntnisse in modernen ML-Frameworks wird PyTorch bevorzugt; Python-Kenntnisse sind ebenfalls erforderlich.
- Optimierung · erforderlich
- Gehalt
- Bedingter Berufsvergleich: 64.956 – 95.628 € brutto / Jahr Annahme: Vollzeit-Anstellung in Deutschland. Ob diese Bedingungen für die Stelle gelten, ist nicht vollständig belegt. Die Spanne zeigt das 25. bis 75. Perzentil der Bruttoentgelte sozialversicherungspflichtiger Vollzeitbeschäftigter in der zugeordneten Berufs- und Anforderungsgruppe in Deutschland, einschließlich Sonderzahlungen. Die Berufszuordnung erfolgt durch RemoteFruit. Datenquelle: BA/Entgeltatlas 2025. Monatswerte × 12. Keine Prognose des konkreten Stellengehalts und keine Gehaltszusage des Unternehmens. BA/Entgeltatlas 2025 · Annahme: Vollzeit-Anstellung in DE · mittlere 50 % · inkl. Sonderzahlungen Zuordnung berechnet am: 31.10.2026.
- Umfang
- Vollzeit
- Erfahrung
- Siehe Details
Deine Aufgaben
- Die Rolle entwickelt und bewertet Trainingsoptimierungen für große Modelle, etwa Optimierungsalgorithmen, Scheduler, Normalisierung und Curriculum-Strategien.
- Sie verbessert Effizienz und Stabilität des Trainings bei langen Trainingsläufen und großen Datensätzen.
- Sie erforscht und implementiert neue Optimierer und Scheduler sowie Mixed-Precision-, Low-Precision- und speichereffizientes Training.
- Sie erforscht und implementiert Verfahren zur Verringerung von Gradientenrauschen, Skalierungsgesetze, Konvergenzanalysen sowie Regularisierungs- und Robustheitsverfahren während des Trainings.
- Sie führt groß angelegte Experimente durch, analysiert Ergebnisse und leitet konkrete Verbesserungen daraus ab.
- Sie verfasst Forschungsarbeiten, technische Berichte oder Blogbeiträge allein oder gemeinsam mit anderen.
- Sie arbeitet eng mit Infrastruktur- und Inferenzteams zusammen, damit Trainingsentscheidungen die Leistungsfähigkeit im praktischen Einsatz verbessern.
Das solltest du mitbringen
Erforderlich sind Erfahrung im Training großer neuronaler Netze sowie ML-Publikationserfahrung oder gleichwertige hochwertige offene Forschung.
Erforderlich6 Punkte
- Erforderlich ist ein fundierter Hintergrund in der Forschung zu maschinellem Lernen mit Schwerpunkt auf Trainingsdynamik und Optimierung.
- Erforderlich ist Erfahrung im Training großer neuronaler Netze, beispielsweise großer Sprachmodelle, multimodaler Modelle oder großer Sequenzmodelle.
- Erforderlich ist Publikationserfahrung in ML-Foren, beispielsweise NeurIPS, ICML, ICLR, ACL, EMNLP, COLM oder arXiv, oder gleichwertige hochwertige offene Forschung.
- Erforderlich ist ein solides Verständnis von Optimierung in Theorie und Praxis, Backpropagation, Gradientenfluss, Trainingsstabilität sowie verteiltem Training und Training mit großen Batches.
- Erforderlich sind sichere Kenntnisse in Python und modernen ML-Frameworks; PyTorch wird bevorzugt.
- Erforderlich ist die Fähigkeit, Experimente eigenständig zu entwerfen und aus Daten Schlussfolgerungen abzuleiten.
Von Vorteil4 Punkte
- Von Vorteil ist Erfahrung mit nicht standardmäßigen Architekturen, beispielsweise RNN-Varianten, Modellen für lange Kontexte oder hybriden Systemen.
- Von Vorteil ist Erfahrung mit der Optimierung des Trainings auf GPUs in großem Maßstab unter Einsatz von FSDP, ZeRO oder eigenen Kernels.
- Von Vorteil sind Beiträge zu Open-Source-Codebasen für maschinelles Lernen oder Forschung.
- Von Vorteil ist Sicherheit im Umgang mit schnelllebigen Startup-Umgebungen mit unklaren Rahmenbedingungen.
Außerdem genannt1 Punkt
- Gesucht wird Freude daran, Forschungserkenntnisse in praktische Trainingsverbesserungen zu überführen, sowie eine Erfolgsbilanz oder starke Ambition beim Veröffentlichen angewandter ML-Forschung.
Das wird angeboten
- Die Rolle bietet unmittelbaren Einfluss auf grundlegende Entscheidungen zum Modelltraining und Freiraum für die Entwicklung und Veröffentlichung neuer Forschung.
- Sie bietet direkten Zugang zu groß angelegten Experimenten unter realen Produktionsbedingungen und die Zusammenarbeit in einem kleinen, erfahrenen Team, das gründliches Denken und sorgfältige Umsetzung schätzt.
Passt die Stelle? Öffne mit Premium den Bewerbungsweg.
Bewerbungslink freischaltenVeröffentlicht: 23.01.2026 · Quelle geprüft: 03.11.2026.
Die Angaben sind für RemoteFruit einheitlich aufbereitet. Maßgeblich bleibt die Originalanzeige. RemoteFruit steht in keiner Partnerschaft mit dem ausschreibenden Unternehmen.