Auf einen Blick
- Aufgaben: Entwickle und skaliere KI-Modelle für hyper-realistisches Bild- und Video-Generierung.
- Unternehmen: GenPeach AI, ein innovatives Forschungslabor für multimodale KI.
- Vorteile: Wettbewerbsfähiges Gehalt, Aktienoptionen und flexible Arbeitsmodelle.
- Weitere Informationen: Dynamisches Team mit direktem Einfluss auf Produkte und Karrierewachstum.
- Warum dieser Job: Gestalte die Zukunft der KI und arbeite an bahnbrechenden Projekten.
- Qualifikationen: Starke Python- und PyTorch-Kenntnisse sowie Erfahrung in Deep Learning.
Das prognostizierte Gehalt liegt zwischen 49500 - 60500 € pro Jahr.
GenPeach AI ist ein produktorientiertes Forschungslabor, das vertikale multimodale Fundamentmodelle für hyperrealistische menschliche Generierung in Bild und Video entwickelt – entworfen für emotional resonante, menschenzentrierte KI-Erlebnisse. Unser Ziel ist es, Werkzeuge zu schaffen, die die menschliche Kreativität unterstützen, anstatt sie zu ersetzen.
Wir trainieren Modelle von Grund auf: proprietäre Datensätze in großem Maßstab, neuartige Architekturen und Trainingsrezepte, große GPU-Cluster und enge Produktintegration, damit Forschung schnell zu den Nutzern gelangt. Wir sind ein tief technisches Team von etwa 10 Personen, beraten von Direktoren von Google DeepMind und unterstützt von führenden KI-fokussierten Fonds und Investoren von OpenAI, Meta AI, Microsoft AI, Project Prometheus und Fal.
Sie werden dem Forschungsteam beitreten, das an der Bild-/Videoerzeugung und multimodalen Verständnis arbeitet. Sie werden eng mit anderen Forschungsingenieuren und Wissenschaftlern sowie den Gründern zusammenarbeiten und helfen, Forschung in skalierbare Trainingsläufe, starke Bewertungen und produktionsbereite Systeme umzusetzen.
Wir suchen einen AI Research Engineer, der hilft, GenPeachs Fundamentmodelle end-to-end aufzubauen und zu skalieren – von der Implementierung neuer Modellideen und Trainingsrezepte bis hin zur Verantwortung für die Teile des Trainingsstacks, die Qualität und Geschwindigkeit bestimmen, und dem Überwinden von Produktionsbeschränkungen. Dies ist eine praktische Rolle mit hoher Eigenverantwortung. Sie werden forschungsrelevanten Code schreiben, der produktionskritisch wird.
In dieser Rolle werden Sie:
- Bild-/Video-generative Modellideen (Architektur, Verluste, Bedingung, Sampling, Vortraining, Destillation, Nachtraining) implementieren und iterieren
- Die Trainingsleistung end-to-end besitzen (verteiltes Training, Durchsatz, Speicher, Stabilität, Debugging von Skalierungsfehlern)
- Den Experimentationszyklus aufbauen (Bewertungen, Ablationen, Reproduzierbarkeitstools, Berichterstattung, Entscheidungsfindung)
- VLMs für die Bild-/Video-Beschriftung aufbauen und verbessern (Datenrezepte, Trainingsstrategien, Modellvarianten, Bewertung)
- Hochiterative Forschung durchführen: Papers lesen, Ideen umsetzen, empirisch validieren
- Beschriftungspipelines erstellen, die das Generierungstraining und die Produktqualität verbessern
- Mit Inferenz/Produkt zusammenarbeiten, um unter realen Einschränkungen (Latenz, Kosten, Zuverlässigkeit, Rollout-Sicherheit) zu liefern
- Demos und Prototypen erstellen, um Fähigkeiten zu demonstrieren und Iterationen zu beschleunigen
Sie könnten in dieser Rolle erfolgreich sein, wenn Sie:
- Die Kunst des Experimentierens lieben: schnelle Iteration, klare Ablationen, starke Bewertungen und ehrliche Schlussfolgerungen
- Es genießen, unordentliche reale Trainingsläufe zu debuggen (nicht nur saubere Demos)
- Zwischen Forschung und Ingenieurwesen wechseln können: sauberen Code schreiben, Dienstprogramme bereitstellen und die Teamgeschwindigkeit verbessern
- Über Ihre Stellenbeschreibung hinaus Verantwortung übernehmen, wenn nötig (Startup-Realität)
- Deutlich kommunizieren und gut in einem kleinen, erfahrenen Team zusammenarbeiten können
Minimum Anforderungen:
- Starke Python- und PyTorch-Kenntnisse (4+ Jahre Erfahrung)
- Erfahrung in der Implementierung und dem Training von Deep-Learning-Modellen (generative Modelle, VLMs, LLMs, Vision/Video oder angrenzend)
- Solides Verständnis von Trainingsdynamik, Optimierung und praktischem Debugging
- Fähigkeit, Projekte end-to-end mit minimaler Aufsicht voranzutreiben
Bevorzugte Qualifikationen:
- Praktische Erfahrung mit Diffusions-/Flow-basierten Bild- oder Videoerzeugung oder großflächigem generativem Modellieren in angrenzenden Bereichen
- Erfahrung mit verteiltem Training im großen Maßstab (Multi-Node) und Leistungstuning (Durchsatz/Speicher)
- Erfahrung im Aufbau von Bewertungsrahmen (offline Metriken + menschliche Bewertungen + Regressionstracking)
- Starke Intuition für Datenqualität und Dataset-/Labeling-Abwägungen für Training und Beschriftung
- Veröffentlichungen sind ein Plus, aber versendete Auswirkungen und starke technische Beweise zählen mehr
Was diese Rolle einzigartig macht:
- Aufbau von fortschrittlichen Bild-/Videomodellen und den VLM-Beschriftungssystemen, die sie antreiben
- Beitritt zu einem schlanken, erfahrenen Team, das hohe Standards in Engineering und Forschung hält
- Direkter Produktauswirkungen: Ihre Trainingsläufe werden zu echten benutzerorientierten Fähigkeiten
- Benchmarking gegen die Besten der Welt und Wettbewerb um Modellqualität durch das, was wir versenden
Wie wir arbeiten:
- Sie besitzen Ergebnisse end-to-end und werden mit echter Verantwortung betraut
- Direkte, egoarme Kommunikation und schnelle Feedbackschleifen
- Neigung zum Einfluss: messen - iterieren - versenden
- Forschungsdisziplin: klare Ablationen, Reproduzierbarkeit und prägnante Entscheidungsfindung
Logistik:
- Standort: Zürich (Schweiz) oder Warschau (Polen) – vor Ort oder hybrid. Wenn Sie woanders sind, sind wir offen für Remote (Team-/Zeitzonenanpassung berücksichtigt).
- Vergütung: wettbewerbsfähiges Gehalt + bedeutendes Eigenkapital (niveauabhängig)
- Interviewprozess: schneller Screening - 2 technische Runden (praktisch + Systeme) - Teamfit/Werte
Was wir anbieten:
- Visumsponsoring (wo zutreffend); wir werden uns bemühen, Sie nach Schweiz oder Polen zu versetzen, wenn gewünscht
- Remote-freundlich: vollständig remote, hybrid oder vor Ort aus unseren Hubs arbeiten
- Regelmäßige Offsites und persönliche Veranstaltungen zur Zusammenarbeit und Vernetzung
- Flexible PTO
Member of Technical Staff – AI Research Engineer (Image/Video Foundation Models) in Zürich Arbeitgeber: GenPeach AI
GenPeach AI ist ein hervorragender Arbeitgeber, der eine dynamische und innovative Arbeitsumgebung bietet, in der technisches Talent geschätzt wird. Mit einem tief technischen Team und der Möglichkeit, an bahnbrechenden multimodalen Modellen zu arbeiten, fördern wir eine Kultur des Experimentierens und der schnellen Iteration. Unsere Mitarbeiter profitieren von flexiblen Arbeitsmodellen, regelmäßigen Teamevents und der Chance, direkt an der Entwicklung von KI-Technologien zu arbeiten, die die Kreativität der Menschen unterstützen.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Member of Technical Staff – AI Research Engineer (Image/Video Foundation Models) in Zürich 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 GenPeach AI anzuklopfen, wenn du dich auf die Stelle als Member of Technical Staff – AI Research Engineer (Image/Video Foundation Models) 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 GenPeach AI vorzubereiten!
Wir glauben, dass du diese Fähigkeiten brauchst, um Member of Technical Staff – AI Research Engineer (Image/Video Foundation Models) in Zürich 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 GenPeach AI 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 GenPeach AI 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.
