Auf einen Blick
- Aufgaben: Optimiere KI-Modelle und arbeite an innovativen Projekten zur Verbesserung der Leistung.
- Unternehmen: Nebius, ein führendes Unternehmen in der Cloud-Infrastruktur für die globale KI-Wirtschaft.
- Vorteile: Wettbewerbsfähige Vergütung, Karrierewachstum und flexible Arbeitsbedingungen.
- Weitere Informationen: Dynamisches, internationales Team mit vielen Lernmöglichkeiten.
- Warum dieser Job: Gestalte die Zukunft der KI mit und arbeite an bedeutenden Projekten.
- Qualifikationen: Starke Fähigkeiten in Python und PyTorch sowie Erfahrung mit LLM-Optimierung.
Das prognostizierte Gehalt liegt zwischen 61650 - 75350 € pro Jahr.
Описание
Nebius is leading a new era in cloud infrastructure for the global AI economy.
We are building a full-stack AI cloud platform that supports developers and enterprises from data and model training through to production deployment, without the cost and complexity of building large in-house AI/ML infrastructure.
- Задачи
- Own optimization projects for specific model families, customer endpoints, or serving backends.
- Compare inference engines and recommend serving configurations suited to individual workloads.
- Diagnose model-quality and performance regressions during production rollouts.
- Improve LLM and VLM endpoint latency, throughput, memory efficiency, GPU utilization, quality, and cost per token.
- Deploy, configure, benchmark, and extend engines such as v LLM, SGLang, Tensor RT-LLM, Triton Inference Server, and NVIDIA Dynamo.
- Develop production model-compression workflows covering quantization, quantization-aware training, distillation, low-bit serving, and accuracy recovery.
- Implement or integrate speculative decoding, draft-model approaches, KV-cache optimization, prefix caching, chunked prefill, continuous batching, and disaggregated prefill/decode serving.
- For prefill–decode disaggregation (PDD), evaluate KV-cache transfer, worker placement, and capacity balancing to determine which workloads benefit from the architecture.
- Design and improve LLM request routers and scheduling policies that balance worker utilization, queueing, request characteristics, and KV-cache locality while meeting latency and reliability targets.
- Scale dense and mixture-of-experts inference across multiple GPU nodes.
- Select and tune tensor, pipeline, data, and expert parallelism—including wide expert parallelism (Wide EP)—with attention to hardware topology, expert load balance, and communication overhead.
- Build reproducible benchmark harnesses measuring TTFT, TPOT, tokens per second per GPU, p95/p99 latency, GPU memory, reliability, and cost per token.
- Validate architecture choices under representative traffic and consistent GPU budgets.
- Collaborate with GPU kernel and platform engineers to trace bottlenecks across model code, kernels, runtime, scheduler, gateway, and cluster layers.
- Produce design documents, performance reports, rollout plans, and customer-facing technical explanations.
- Требования
- Strong engineering skills in Python and Py Torch.
- Hands‑on experience deploying or optimizing LLM, VLM, or high‑throughput transformer inference.
- Practical knowledge of at least one modern inference stack, such as v LLM, SGLang, Tensor RT-LLM, Triton Inference Server, NVIDIA Dynamo, Ray Serve, KServe, or an equivalent internal system.
- A strong understanding of transformer inference bottlenecks involving KV cache, attention, memory bandwidth, batching, parallelism, and long‑context serving.
- Ability to quantify trade‑offs among latency, throughput, quality, utilization, and cost.
- Experience designing or optimizing distributed inference system architecture, with hands‑on work in one or more areas such as request routing, distributed scheduling, PDD, multi‑node inference, or expert parallelism.
- Strong communication and collaboration skills across research, kernel, infrastructure, product, and customer teams.
- Будет плюсом: Experience with quantization‑aware training, post‑training quantization, FP8, INT8, INT4, NVFP4, MXFP4, AWQ, GPTQ, or Smooth Quant;
- Experience with distillation, speculative decoding, EAGLE, Medusa, multi‑token prediction, or related inference acceleration methods;
- Experience supporting agentic workloads involving tool calling, structured outputs, streaming APIs, high concurrency, and multi‑step orchestration;
- Familiarity with CUDA or Triton;
- The role does not require kernel engineering to be the candidate’s primary specialization;
- Contributions to open‑source projects such as v LLM, SGLang, Tensor RT-LLM, Flash Infer, LMCache, Py Torch, Triton, Ray, or KServe;
- Implementation experience with cache‑aware request routing, PDD, or Wide EP, including diagnosing communication bottlenecks and load imbalance;
- Familiarity with GPU communication libraries and interconnects, such as NCCL, NVLink, Infini Band, or Ro CE.
- Условия
- Competitive compensation
- Career growth and learning opportunities
- Flexibility and ownership
- Collaborative and innovative culture
- Opportunity to work on impactful AI projects
- International environment and talented teams
- Fast moving
- Bold thinking
- Constant growth
- Meaningful impact
- Trust and real ownership
- Opportunity to shape the future of AI
- #J-18808-Ljbffr
Machine learning engineer in LLM inference optimization in Berlin Arbeitgeber: FDE Times
Databricks ist ein hervorragender Arbeitgeber, der seinen Mitarbeitern die Möglichkeit bietet, an der Spitze von Daten- und KI-Technologien zu arbeiten. Mit einem starken Fokus auf Vielfalt und Inklusion fördert das Unternehmen eine Kultur, in der jeder Mitarbeiter wachsen und sich weiterentwickeln kann. Die umfassenden Benefits und die Chance, an bedeutenden Projekten mit namhaften Kunden zu arbeiten, machen Databricks zu einem attraktiven Arbeitsplatz für innovative Denker und Problemlöser.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Machine learning engineer in LLM inference optimization in Berlin 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 FDE Times anzuklopfen, wenn du dich auf die Stelle als Machine learning engineer in LLM inference optimization 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 FDE Times vorzubereiten!
Wir glauben, dass du diese Fähigkeiten brauchst, um Machine learning engineer in LLM inference optimization in Berlin mit Bravour zu bestehen
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 FDE Times 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 FDE Times 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.