ML Infrastructure Engineer

ML Infrastructure Engineer

Vollzeit 60000 - 80000 € / Jahr (geschätzt) Homeoffice (teilweise)
Bright Vision Technologies

Auf einen Blick

  • Aufgaben: Entwickle und betreibe die Infrastruktur für KI-Training und -Inference auf großem Maßstab.
  • Unternehmen: Bright Vision Technologies, ein innovatives Unternehmen mit Fokus auf Chancengleichheit.
  • Vorteile: Wettbewerbsfähiges Gehalt, Gesundheitsleistungen und flexible Arbeitsmöglichkeiten.
  • Weitere Informationen: Tolle Karrierechancen in einem unterstützenden und inklusiven Umfeld.
  • Warum dieser Job: Gestalte die Zukunft der KI mit modernster Technologie und einem dynamischen Team.
  • Qualifikationen: Abschluss in Informatik und umfangreiche Erfahrung in der Infrastrukturtechnik.

Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.

ML Infrastructure Engineer - Remote

Sponsorship: U.

Citizens, Green Card Holders, EAD Holders, and H-1B transfer candidates are encouraged to apply.

We are unable to sponsor new H-1B visa petitions for this position.

Job Summary

We are seeking an AI Infrastructure Engineer to design, build, and operate the platform layer that powers large-scale AI training and inference workloads.

The role focuses on GPU clusters, distributed training frameworks, scheduling, storage performance, and developer experience for ML engineers and researchers, with strong emphasis on reliability, efficiency, and cost control.

Key Responsibilities

  • Design and operate GPU and accelerator infrastructure for training and inference, spanning on-prem clusters, cloud‑managed services, and hybrid configurations.
  • Build scheduling, queueing, and resource‑sharing systems that maximize accelerator utilization across many teams.
  • Integrate frameworks such as Py Torch, JAX, Deep Speed, FSDP, Megatron‑LM, and Ray Train into a unified platform offering.
  • Operate high‑performance storage systems and data pipelines that keep accelerators fed with training data at near‑line‑rate.
  • Design networking architectures supporting RDMA, Infini Band, NCCL, and high‑bandwidth collective communication.
  • Build observability for AI workloads including utilization, throughput, training stability, and failure‑mode analytics.
  • Implement checkpointing, restart, and fault‑tolerance patterns for long‑running training jobs at scale.
  • Drive cost optimization across compute, storage, and networking through scheduling, spot capacity, and right‑sizing.
  • Develop developer tooling and paved‑road workflows that let researchers launch experiments safely and efficiently.
  • Partner with research and applied ML teams to plan capacity for upcoming training runs.
  • Implement security controls, isolation, and access management for multi‑tenant AI infrastructure.
  • Drive automation across cluster provisioning, lifecycle management, and configuration enforcement.
  • Maintain runbooks, capacity dashboards, and operational documentation for the AI platform.
  • Stay current with AI infrastructure research, accelerator hardware, and emerging open‑source AI tooling.
  • Required Qualifications
  • Bachelor’s or Master’s degree in Computer Science or a related field.
  • Six or more years of experience in infrastructure, platform, or HPC engineering.
  • Hands‑on experience operating GPU clusters or large‑scale ML training infrastructure.
  • Strong proficiency in Python and at least one systems language such as Go or C++.
  • Deep understanding of distributed training, accelerator architectures, and collective communication.
  • Experience with Kubernetes, Slurm, Ray, or similar scheduling systems for ML workloads.
  • Strong understanding of Linux internals, networking, and high‑performance storage.
  • Experience with at least one major cloud provider’s ML infrastructure offerings.
  • Strong software engineering practices including testing, CI/CD, and code review.
  • Excellent communication and cross‑functional collaboration skills.
  • Preferred Qualifications
  • Experience operating Infini Band or RDMA networking at scale.
  • Contributions to open‑source ML infrastructure projects.
  • Familiarity with custom orchestrators or research‑grade training stacks.
  • Exposure to frontier model training operations.
  • Experience with Fin Ops for AI workloads.
  • Equal Employment Opportunity (EEO) Statement

Bright Vision Technologies is an Equal Opportunity Employer.

Bright Vision Technologies (BV Teck) is committed to equal employment opportunity (EEO) for all employees and applicants without regard to race, color, religion, sex, sexual orientation, gender identity or expression, national origin, age, genetic information, disability, veteran status or any other protected status as defined by applicable federal, state or local laws.

This commitment extends to all aspects of employment, including recruitment, hiring, training, compensation, promotion, transfer, leaves of absence, termination, layoffs, and recall.

BV Teck expressly prohibits any form of workplace harassment or discrimination.

Any improper interference with employees' ability to perform their job duties may result in disciplinary action up to and including termination of employment.

#J-18808-Ljbffr

ML Infrastructure Engineer Arbeitgeber: Bright Vision Technologies

Bright Vision Technologies bietet eine dynamische und unterstützende Arbeitsumgebung für ML Infrastructure Engineers, die remote arbeiten möchten. Mit einem starken Fokus auf Mitarbeiterentwicklung und innovativen Projekten im Bereich KI-Infrastruktur, profitieren unsere Mitarbeiter von flexiblen Arbeitszeiten, einer offenen Unternehmenskultur und der Möglichkeit, an spannenden Technologien zu arbeiten. Wir fördern die Zusammenarbeit und bieten zahlreiche Weiterbildungsmöglichkeiten, um sicherzustellen, dass unser Team stets an der Spitze der Branche bleibt.

Bright Vision Technologies

Kontaktdaten:

Bright Vision Technologies Recruiting-Team

StudySmarter Expertenrat🤫

Wir sind der Meinung, dass du so ML Infrastructure Engineer erhalten könntest

Engagier dich in Entwickler-Communities!

Lass uns mal ehrlich sein: In der Software-Entwicklung sind Netzwerke Gold wert! Tummel dich in GitHub-Projekten, nehme an lokalen Meetups oder Hackathons teil und vernetze dich mit anderen Entwicklern. So steigerst du nicht nur deine Sichtbarkeit, sondern lernst auch die neuesten Trends und Technologien kennen.

Zeig deine Fähigkeiten!

Erstelle ein Portfolio, das deine besten Projekte und Code-Examples zeigt. Nichts überzeugt mehr als ein praktischer Beweis deiner Skills. Das kann auch helfen, bei Bright Vision Technologies anzuklopfen, wenn du dich auf die Stelle als ML Infrastructure Engineer bewirbst – so wissen sie gleich, was sie von dir erwarten können!

Nutze Jobplattformen speziell für Tech-Jobs!

Plattformen wie Stack Overflow Jobs oder AngelsList sind perfekte Orte, um Vollzeitstellen in der Software-Entwicklung zu finden. Hier sind viele tolle Unternehmen auf der Suche nach Talenten wie uns, also schau regelmäßig vorbei und bewirb dich direkt über die Website.

Such dir Mentoren und Feedback!

Hol dir Feedback von erfahrenen Entwicklern, die dir Tipps geben können, was Recruiter wirklich suchen. Ob über LinkedIn oder persönliche Kontakte: Menschen, die sich in der Branche auskennen, können enorm wertvoll sein, um dir zu helfen, dich optimal auf deine Bewerbung bei Bright Vision Technologies vorzubereiten!

Wir glauben, dass du diese Fähigkeiten brauchst, um ML Infrastructure Engineer mit Bravour zu bestehen

GPU-Cluster-Betrieb
Verteiltes Training
Python
Go
C++
Kubernetes
Slurm

Einige Tipps für deine Bewerbung 🫡

Highlights deiner Coding-Skills:In der Software-Entwicklung kommt es auf konkrete Fähigkeiten an. Vergiss nicht, relevante Programmiersprachen und Frameworks in deinen Lebenslauf aufzunehmen. Zeig uns, was du kannst – vielleicht mit einem Link zu deinem GitHub-Profil oder einer Übersicht deiner Side Projects, die deine Programmierkenntnisse illustrieren.

Dokumentation deiner Erfolge:Gerade bei einer Vollzeitstelle in der Software-Entwicklung sind konkrete Ergebnisse Gold wert. Nenn uns Zahlen und Ergebnisse aus deinen vorherigen Projekten. Hast du den Code optimiert oder Systemfehler behoben? Solche Erfolge zeigen, dass du die Sprache der Entwickler sprichst und einen echten Mehrwert bringst.

Attraktive Projektbeschreibungen:Wenn du an Projekten gearbeitet hast, die hervorstechen, beschreibe sie ausführlich in deinem Lebenslauf. Was war das Problem, das du gelöst hast? Welche Technologien hast du eingesetzt? Das gibt uns einen klaren Einblick in deine Herangehensweise und Problemlösungsfähigkeiten.

Motivation zeigen:In deinem Anschreiben solltest du deine Motivation für die Stelle im Bereich Software-Entwicklung bei Bright Vision Technologies klar herausstellen. Warum sprichst gerade du die Anforderungen für diese Vollzeitrolle an? Mach deutlich, was dich an der Arbeit bei uns reizt und wie du über das rein Technische hinaus wachsen möchtest.

Wie man sich auf ein Vorstellungsgespräch bei Bright Vision Technologies vorbereitet

Technische Vorbereitung auf die Coding-Challenges

In der Software-Entwicklung sind technische Fragen oft ein zentraler Teil des Interviews. Macht euch mit Plattformen wie LeetCode oder HackerRank vertraut, um eure Problemlösungsfähigkeiten zu trainieren. Zeigt im Interview viel Selbstbewusstsein beim Erklären eurer Ansätze!

Das eigene Portfolio im besten Licht präsentieren

Stellt sicher, dass ihr ein aussagekräftiges Portfolio habt, das einige eurer besten Projekte zeigt. Seid bereit, darüber zu sprechen, was eure Rolle war, welche Technologien ihr verwendet habt und welche Herausforderungen es gab. Das gibt den Interviewern einen Einblick in eure praktische Erfahrung.

Teamfähigkeit und Kommunikation betonen

In einer Vollzeit-Position wird Kommunikation im Team sehr wichtig sein. Seid bereit, Beispiele aus der Vergangenheit zu teilen, in denen ihr effektiv im Team gearbeitet habt. Dies zeigt, dass ihr nicht nur technische Fähigkeiten habt, sondern auch gut ins Team passt.

Vorbereitung auf Fragen zur Software-Architektur

Bereitet euch darauf vor, Fragen zur Software-Architektur zu beantworten. Themen wie RESTful APIs, Microservices und Cloud-Architekturen können Teil eures Interviews sein. Zeigt euer Verständnis durch Diskussionen und Beispiele aus eurer bisherigen Arbeit oder Projekte.