Auf einen Blick
- Aufgaben: Optimiere Audio-Inferenzsysteme und entwickle innovative Lösungen für Echtzeit-Streaming.
- Unternehmen: Innovatives Unternehmen, das an der Spitze der KI-Technologie steht.
- Vorteile: Flexibles Arbeiten, wettbewerbsfähiges Gehalt und Möglichkeiten zur beruflichen Weiterentwicklung.
- Weitere Informationen: Dynamisches Team mit Fokus auf Zusammenarbeit und Vielfalt.
- Warum dieser Job: Gestalte die Zukunft der KI und arbeite mit den besten Talenten der Branche.
- Qualifikationen: Erfahrung in der Entwicklung von Hochleistungs-Audio- oder ML-Systemen und Programmierkenntnisse in C++ und Python.
Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.
Wer sind wir? Unsere Mission ist es, Intelligenz zu skalieren, um der Menschheit zu dienen. Wir trainieren und setzen fortschrittliche Modelle für Entwickler und Unternehmen ein, die KI-Systeme entwickeln, um magische Erlebnisse wie Inhaltsgenerierung, semantische Suche, RAG und Agenten zu ermöglichen. Wir glauben, dass unsere Arbeit entscheidend für die weitverbreitete Akzeptanz von KI ist. Wir sind besessen von dem, was wir bauen. Jeder von uns ist verantwortlich dafür, die Fähigkeiten unserer Modelle und den Wert, den sie für unsere Kunden schaffen, zu steigern. Wir arbeiten hart und schnell, um das Beste für unsere Kunden zu tun. Cohere ist ein Team von Forschern, Ingenieuren, Designern und mehr, die leidenschaftlich für ihr Handwerk sind. Jede Person gehört zu den Besten der Welt in dem, was sie tut. Wir glauben, dass eine vielfältige Perspektive eine Voraussetzung für den Bau großartiger Produkte ist. Schließen Sie sich uns an und gestalten Sie die Zukunft!
Warum diese Rolle? Unser Team ist eine schnell wachsende Gruppe engagierter Forscher und Ingenieure. Die Mission des Teams besteht darin, zuverlässige maschinelle Lernsysteme zu bauen und die Effizienz des Audioinferenzdienstes mit innovativen Techniken zu optimieren. Als Ingenieur in diesem Team werden Sie daran arbeiten, die Kernmetriken des Audio-Modell-Servings voranzutreiben, einschließlich Latenz, Durchsatz und Qualität, indem Sie tief in unsere Systeme eintauchen, Engpässe identifizieren und kreative Lösungen für Audioverarbeitung und Streaming-Workloads liefern. Sie werden eng mit den Teams für Trainings- und Bereitstellungsinfrastruktur zusammenarbeiten, um eine nahtlose Integration zwischen Modellentwicklung und -bereitstellung sicherzustellen, mit einem besonderen Fokus auf Echtzeit- und Streaming-Audioinferenz.
Bitte beachten Sie: Wir haben Büros in Toronto, Montreal, San Francisco, New York, Paris, Seoul und London. Wir fördern ein remote-freundliches Umfeld und verteilen Teams strategisch basierend auf Interessen, Fachkenntnissen und Zeitzonen, um Zusammenarbeit und Flexibilität zu fördern. Sie werden feststellen, dass das Model Efficiency-Team in den EST- und PST-Zeitzonen konzentriert ist, dies sind unsere bevorzugten Standorte.
Sie könnten gut ins Team passen, wenn Sie:
- Signifikante Erfahrung in der Entwicklung von Hochleistungs-Audio- oder maschinellen Lerninferenzsystemen haben.
- Über Kenntnisse in Programmiersprachen wie C++ und Python verfügen.
- Praktische Erfahrung mit Deep-Learning-Modellen für Audio-, Sprach- oder Sprachanwendungen haben.
- Eine Handlungsorientierung und eine starke ergebnisorientierte Denkweise besitzen.
Es ist ein großes Plus, wenn Sie auch über umfangreiche Erfahrungen mit:
- GPU-Programmierung, Low-Level-Systemoptimierung, Modellparallelisierungstechniken über mehrere GPUs verfügen.
- Erfahrungen mit Duplex-Echtzeit-Streaming-Architekturen haben.
- Interna von maschinellen Lernframeworks für Audio (wie PyTorch, TensorFlow oder spezialisierte Audio-Bibliotheken) kennen.
- Erfahrungen mit Inferenz-Frameworks wie vLLM, SGLang, Tensort-LLM oder benutzerdefinierten verteilten Inferenzsystemen haben.
- Sequenzmodellierung (z.B. Transformer für Audio/Sprache) und End-to-End-Audio-Pipeline-Optimierung verfügen.
Audio Inference Engineer, Model Efficiency Arbeitgeber: Cohere
Cohere ist ein hervorragender Arbeitgeber, der seinen Mitarbeitern die Möglichkeit bietet, an der Spitze der KI-Technologie zu arbeiten und dabei einen echten Einfluss auf die Geschäftswelt zu haben. Mit einem starken Fokus auf Mitarbeiterwohlbefinden, einschließlich großzügiger Urlaubsregelungen, umfassender Gesundheitsleistungen und individueller Weiterbildungsmöglichkeiten, fördert Cohere eine inklusive und dynamische Arbeitskultur, die Kreativität und Innovation schätzt. Die internationale Präsenz in Städten wie London und Paris ermöglicht es den Mitarbeitern, in einem vielfältigen Umfeld zu arbeiten und von den besten Talenten weltweit zu lernen.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Audio Inference Engineer, Model Efficiency erhalten könntest
✨Tipp Nummer 1
Netzwerken ist der Schlüssel! Nutze Plattformen wie LinkedIn, um mit Leuten aus der Branche in Kontakt zu treten. Frag nach informellen Gesprächen oder Mentoring – oft sind die besten Jobchancen versteckt!
✨Tipp Nummer 2
Bereite dich auf technische Interviews vor! Übe Coding-Challenges und mache dich mit den neuesten Trends in der Audioverarbeitung vertraut. Zeige, dass du nicht nur die Theorie beherrschst, sondern auch praktische Lösungen liefern kannst.
✨Tipp Nummer 3
Sei proaktiv! Wenn du eine Stelle bei uns im Auge hast, bewirb dich direkt über unsere Website. Zeige dein Interesse und deine Begeisterung für die Projekte, an denen wir arbeiten – das kommt immer gut an!
✨Tipp Nummer 4
Mach dir Gedanken über deine Fragen! Bei Vorstellungsgesprächen geht es nicht nur darum, was du kannst, sondern auch darum, was du wissen möchtest. Bereite Fragen vor, die zeigen, dass du dich mit unserer Mission und unseren Produkten auseinandergesetzt hast.
Wir glauben, dass du diese Fähigkeiten brauchst, um Audio Inference Engineer, Model Efficiency mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Sei authentisch!:Zeig uns, wer du wirklich bist! Deine Persönlichkeit und Leidenschaft für Audio und Machine Learning sollten in deiner Bewerbung deutlich werden. Lass uns wissen, warum du für diese Rolle brennst und was dich motiviert.
Betone deine Erfahrungen:Erzähle uns von deinen bisherigen Projekten und Erfahrungen im Bereich Audio-Inferenzsysteme. Zeige konkret, wie du mit C++ oder Python gearbeitet hast und welche Erfolge du erzielt hast. Das hilft uns, deine Fähigkeiten besser einzuschätzen.
Mach es übersichtlich:Halte deine Bewerbung klar und strukturiert. Verwende Absätze und Aufzählungen, um wichtige Informationen hervorzuheben. So können wir schnell die relevanten Punkte finden und verstehen, warum du die perfekte Ergänzung für unser Team bist.
Bewirb dich über unsere Website:Wir empfehlen dir, deine Bewerbung direkt über unsere Website einzureichen. So stellst du sicher, dass sie an die richtige Stelle gelangt und du alle notwendigen Informationen bereitstellst. Wir freuen uns darauf, von dir zu hören!
Wie man sich auf ein Vorstellungsgespräch bei Cohere vorbereitet
✨Verstehe die Mission des Unternehmens
Mach dich mit der Mission und den Werten des Unternehmens vertraut. Wenn du verstehst, wie wichtig ihre Arbeit für die Verbreitung von KI ist, kannst du in deinem Interview zeigen, dass du nicht nur die technischen Fähigkeiten hast, sondern auch die Leidenschaft teilst, die sie antreibt.
✨Bereite konkrete Beispiele vor
Denke an spezifische Projekte oder Erfahrungen, die deine Fähigkeiten in der Entwicklung von Hochleistungs-Audio- oder Machine-Learning-Systemen demonstrieren. Sei bereit, über Herausforderungen zu sprechen, die du gemeistert hast, und wie du kreative Lösungen gefunden hast, um die Effizienz zu steigern.
✨Technisches Wissen auffrischen
Stelle sicher, dass du mit den Programmiersprachen C++ und Python sowie den relevanten Deep-Learning-Modellen vertraut bist. Du solltest auch die Grundlagen von GPU-Programmierung und Systemoptimierung verstehen, um im Interview kompetent über technische Details sprechen zu können.
✨Fragen vorbereiten
Bereite einige durchdachte Fragen vor, die du dem Interviewer stellen kannst. Das zeigt dein Interesse an der Rolle und dem Team. Frage nach den aktuellen Herausforderungen, mit denen das Team konfrontiert ist, oder nach den Technologien, die sie verwenden, um ihre Ziele zu erreichen.
