Tu próxima oportunidad profesional te espera
Zure hurrengo aukera profesionala zure zain dago
Multiverse Computing Multiverse Computing Multiverse Computing Multiverse Computing Multiverse Computing Multiverse Computing
Experencia requerida: No requiere
Required Qualifications
* Alternatively, significant work experience as a Software Engineer.
* 2-5 years of experience working as a DevOps engineer.
* Experience in large-scale, secure, and high availability solutions in the AWS Cloud, using automation to support deployment, scaling, monitoring, and management (Terraform / CloudFormation / SDK, etc.).
* Experience building CI/CD pipelines (i.e., GitLab CI, GH Actions, Jenkins, Gitlab CI/CD).
* Experience with deploying, managing, and optimizing API's in production environments.
* Familiarity with containerization technologies such as Docker and Kubernetes.
* Proficiency with one or more programming languages (Bash, Python, Go, etc).
* Proven ability to troubleshoot and identify the root cause of infrastructure and security Issues.
Ver oferta
Antzeko eginkizunetan eskatutako esperientzia: Ez da beharrezkoa
Ikusi eskaintza
Experencia requerida: Más de 3 años
We are seeking a skilled and experienced LLM Engineer (Senior and Mid level) with a strong background in Large Language Models to join our team. In this role you will have the opportunity to leverage cutting-edge quantum and AI technologies to lead the design, implementation, and improvement of our language models, as well as working closely with cross-functional teams to integrate these models into our products. You will have the opportunity to work on challenging projects, contribute to cutting-edge research, and shape the future of LLM and NLP technologies.
As a LLM Engineer, you will
Design and develop new techniques to compress Large Language Models based on quantum-inspired technologies to solve challenging use cases in various domains.
Conduct rigorous evaluations and benchmarks of model performance, identifying areas for improvement, and fine-tuning and optimising LLMs for enhanced accuracy, robustness, and efficiency.
Use your expertise to assess the strengths and weaknesses of models, propose enhancements, and develop novel solutions to improve performance and efficiency.
Act as a domain expert in the field of LLMs, understanding domain-specific problems and identifying opportunities for quantum AI-driven innovation.
Maintain comprehensive documentation of LLM development processes, experiments, and results.
Share your knowledge and expertise with the team to foster a culture of continuous learning, guiding junior members of the team in their technical growth and helping them develop their skills in LLM development.
Participate in code reviews and provide constructive feedback to team members.
Stay up to date with the latest advancements and emerging trends in LLMs and recommend new tools and technologies as appropriate.
Ver oferta
Antzeko eginkizunetan eskatutako esperientzia: 3 urte baino gehiago
LLMko ingeniari trebe eta eskarmentuduna (Senior eta Mid maila) bilatzen ari gara, Hizkuntza Eredu Handietan aurrekari sendoak dituena gure taldean sartzeko. Paper honetan, punta-puntako teknologia kuantikoak eta IAkoak aprobetxatzeko aukera izango duzu, gure hizkuntza-ereduen diseinua, ezarpena eta hobekuntza gidatzeko, bai eta zeharkako funtzio-taldeekin elkarlanean aritzeko ere, eredu horiek gure produktuetan txertatzeko. Erronka handiko proiektuetan lan egiteko aukera izango duzu, abangoardiako ikerketan laguntzeko eta LLM eta NLP teknologien etorkizuna moldatzeko.
LLMko ingeniari gisa,
Hizkuntza Eredu Handiak konprimitzeko teknika berriak diseinatu eta garatu, inspirazio kuantikoko teknologietan oinarrituta, hainbat domeinutako erabilera kasu erronkei irtenbidea emateko.
Ereduen errendimenduaren ebaluazio eta erreferentzia zorrotzak egitea, hobetzeko arloak identifikatuz, eta LMak doitu eta optimizatuz, zehaztasuna, sendotasuna eta eraginkortasuna hobetzeko.
Erabili zure esperientzia ereduen indarguneak eta ahuleziak ebaluatzeko, hobekuntzak proposatzeko eta irtenbide berriak garatzeko errendimendua eta eraginkortasuna hobetzeko.
Giza eskubideen arloan aditua den domeinu-aditu gisa jardutea, domeinuaren arazo espezifikoak ulertzea eta AI-k bultzatutako berrikuntza-aukerak identifikatzea.
LLMren garapen-prozesuen, esperimentuen eta emaitzen dokumentazio integrala mantentzea.
Partekatu zure ezagutza eta esperientzia taldearekin etengabeko ikaskuntzaren kultura sustatzeko, taldeko mendeko kideak orientatuz hazkunde teknikoan eta LLMren garapenean dituzten trebetasunak garatzen lagunduz.
Kodeen berrikuspenetan parte hartu eta taldeko kideei feedback konstruktiboa eman.
Eguneratuta egon LMen azken aurrerapenekin eta gorabidean dauden joerekin, eta tresna eta teknologia berriak gomendatu, hala badagokio.
Ikusi eskaintza
Experencia requerida: Más de 3 años
Key Responsibilities:
Training Infrastructure: Architect and maintain scalable distributed training pipelines using NVIDIA NeMo/Nemotron/Megatron-Bridge. You will optimize GPU utilization, manage complex checkpointing strategies, and implement automated fault tolerance for long-running jobs.
Inference Orchestration: Lead the deployment of LLMs using vLLM, TensorRT-LLM, or SGLang. You will implement and tune cutting-edge techniques - including PagedAttention, continuous batching, and advanced quantization (AWQ/FP8) to maximize throughput and minimize TPOT (Time Per Output Token).
Workload Orchestration: Utilize SLURM/Flyte/Ray/SkyPilot to manage and scale ML workloads across diverse cloud providers and on-prem clusters, ensuring seamless resource shifting and cost-effective execution.
Lifecycle Management: Standardize model tracking, versioning, and transition workflows using MLflow (or similar tool), ensuring reproducible training runs and a clear path from research to production.
Performance Engineering: Conduct deep-dive profiling and bottleneck analysis across the full stack - from CUDA kernels and NCCL collective communications to Python-level orchestration.
Efficiency & Cost Governance: Monitor and optimize cloud and on-prem GPU expenditures through intelligent scaling policies and high-density resource packing.
Technical Leadership: Set the bar for engineering excellence. You will drive the roadmap, perform rigorous code reviews, and mentor junior and mid-level engineers.
- Establish and maintain comprehensive monitoring and alerting systems to track Large Language Model performance, detect data drift, and monitor key metrics, proactively addressing any issues.
- Conduct truth analysis to evaluate the accuracy and effectiveness of Large Language Model outputs against known, accurate data.
- Collaborate closely with Product and DevOps teams and Generative AI researchers to optimize model performance and resource utilization.
- Manage and maintain cloud infrastructure (e.g., AWS, Azure) for Large Language Model workloads, ensuring both cost-efficiency and scalability.
- Stay updated with the latest developments in ML/LLM Ops, integrating these advancements into generative AI platforms and processes.
- Communicate effectively with both technical and non-technical stakeholders, providing updates on Large Language Model performance and status.
Ver oferta
Antzeko eginkizunetan eskatutako esperientzia: Ez da beharrezkoa
MLOps-eko ingeniari gisa, hau egingo duzu:
Zabaldu ML/LLM modeloak Fortune Global 500 bezeroei.
- Mundu mailako aditu kuantiko talde batean sartu, ibilbide luzea duena bai akademian, bai industrian.
- Talde sortzailearekin elkarlanean aritu abiatze-ingurune azkar batean.
- Machine Learning (ML) eta Large Language Model (LLM) kanalizazioak diseinatu, garatu eta inplementatzea, datuak eskuratzea, aurreprozesatzea, ereduak prestatzea eta afinatzea, hedatzea eta gainbegiratzea barne hartuta.
- Automatizazio-tresnak erabiltzea, hala nola GitOps, CI/CD hodiak eta euste-teknologiak (Docker, Kubernetes), ML/LLM prozesuak indartzeko Hizkuntza Eredu Handien bizi-ziklo osoan.
- Jarraipen- eta alerta-sistema integralak ezarri eta mantentzea, Hizkuntza Eredu Handiaren errendimenduaren jarraipena egiteko, datuen jitoa detektatzeko eta funtsezko metrikak kontrolatzeko, edozein gairi modu proaktiboan helduz.
- Egiaren analisia egitea, Hizkuntza Eredu Handien irteeren zehaztasuna eta eraginkortasuna ebaluatzeko, datu ezagun eta zehatzen aurrean.
- Produktu eta DevOps taldeekin eta Generative AIko ikertzaileekin lankidetza estuan aritzea, ereduaren errendimendua eta baliabideen erabilera optimizatzeko.
- Hizkuntza Eredu Handiko lan-kargetarako hodeiko azpiegiturak (adibidez, AWS, Azure) kudeatzea eta mantentzea, kostu-eraginkortasuna eta eskalagarritasuna bermatuz.
- Eguneratuta egon ML/LLM Ops sistemaren azken berrikuntzekin, aurrerapen horiek IAren plataforma eta prozesu sortzaileetan integratuz.
- Alderdi teknikoekin zein ez teknikoekin eraginkortasunez komunikatzea, hizkuntza-eredu handiaren errendimenduari eta egoerari buruzko eguneratzeak eskainiz.
Ikusi eskaintza