Data Scientist, AI/ML

Heute sind komplexe, schnelllebige Systeme zu einem Minenfeld von Zuverlässigkeitsrisiken geworden, die zu Ausfällen führen können, die Millionen kosten und das Vertrauen der Kunden zerstören. Deshalb nutzen Hochverfügbarkeitsteams Gremlin, um Zuverlässigkeitsrisiken zu finden und zu beheben, bevor sie zu Vorfällen werden. Die Gremlin Reliability Platform hilft Softwareteams, proaktiv ihre Systeme auf häufige Zuverlässigkeitsrisiken zu überwachen und zu testen, Zuverlässigkeitsstandards zu erstellen und durchzusetzen sowie ihre Zuverlässigkeitspraktiken im gesamten Unternehmen zu automatisieren.

Als Data Scientist, AI/ML bei Gremlin haben Sie die Möglichkeit, die Zuverlässigkeit des Internets zu verbessern, indem Sie Millionen von Chaos-Engineering-Experimenten in automatisierte Fehleranalysen und -behebungen umwandeln. Sie können Ihre angewandte Erfahrung im maschinellen Lernen nutzen, um die Produktentwicklung zu informieren und komplexe technische Probleme zu lösen, die unsere Kunden direkt betreffen. Sie arbeiten eng mit einem kleinen, talentierten Ingenieurteam zusammen, das sich auf Qualität, Lieferung und Vorhersehbarkeit konzentriert und großen Wert auf eine hervorragende Benutzererfahrung legt.

In dieser Rolle werden Sie:

• Gremlins proprietäres Dataset von Millionen von Chaos-Engineering-Experimenten analysieren, um Fehlerpatterns, Ursachen und Resilienzsignale in komplexen verteilten Systemen zu identifizieren.
• Maschinenlernmodelle vortrainieren und feinabstimmen, die automatisch Fehler erkennen, klassifizieren und erklären, die während Chaos-Experimenten beobachtet werden.
• Intelligente Systeme entwickeln, die automatisierte Behebungsanweisungen liefern und schließlich Orchestrierung ermöglichen, indem sie aus historischen Experimentergebnissen und Systemverhalten lernen.
• Skalierbare Datenpipelines und Feature-Stores entwickeln, um große Mengen an Experimentdaten für das Modelltraining und die Echtzeitanalyse zu verarbeiten, anzureichern und bereitzustellen.
• Eng mit Plattformingenieuren und SREs zusammenarbeiten, um KI-gesteuerte Fehleranalysen und Behebungsfähigkeiten direkt in Gremlins Kernprodukt zu integrieren.
• Fortgeschrittene Techniken anwenden, einschließlich kausaler Inferenz, Graph-ML, Zeitreihenmodellierung und verstärkendes Lernen, um die Genauigkeit und Umsetzbarkeit automatisierter Fehleranalysen kontinuierlich zu verbessern.
• Einblicke aus Millionen von Chaos-Experimenten in KI-gesteuerte Funktionen übersetzen, die den Kunden helfen, automatisch den Blast Radius zu verstehen, Ursachen zu identifizieren und die Wiederherstellung zu beschleunigen.
• Neuartige ML-Ansätze, einschließlich kausaler KI und agentischer Systeme, erforschen und produktiv umsetzen, die rohe Chaos-Experimentdaten in automatisierte, zuverlässige Behebungsstrategien umwandeln.

Wir erwarten von Ihnen:

• Erfahrung als selbstmotivierter und kollaborativer Problemlöser mit starken Kommunikationsfähigkeiten.
• 5+ Jahre Berufserfahrung in der Entwicklung und Produktion von Maschinenlernen, idealerweise für verteilte Systeme, Infrastruktur oder DevOps- und SRE-Anwendungsfälle, mit mehr Jahren Erfahrung in der Softwareentwicklung.
• Praktische Erfahrung mit Techniken wie kausaler Inferenz, Graph-ML, Zeitreihenmodellierung oder verstärkendem Lernen.
• Erfahrung im Aufbau von Datenpipelines und Feature-Stores, die sowohl Offline-Training als auch Echtzeitanalyse unterstützen.
• Erfahrung mit agilen Entwicklungsumgebungen und -praktiken.
• Starker Befürworter und Praktiker rigoroser Experimente, Modellevaluation und bewährter Ingenieurlösungen.
• Komfortable Zusammenarbeit mit Plattformingenieuren und SREs, um Forschung in ausgelieferte Produktfunktionen umzusetzen.
• Fähigkeit, mehrdeutige Probleme in konkrete Maßnahmen und Meilensteine zu zerlegen.

Bonus-Erfahrung:

• Erfahrung mit Chaos-Engineering, Site-Reliability-Engineering oder verteilten Systemen.
• Hintergrund in agentischen KI-Systemen oder großangelegter kausaler Inferenz in der Produktion.
• Erfahrung mit MLOps-Tools wie Modellbereitstellung, Überwachung oder Infrastruktur für Feature-Stores.
• Arbeiten in Remote-First-Umgebungen.
• War im Bereitschaftsdienst und hat an einem Vorfallmanagementprogramm teilgenommen.

Das Angebot umfasst keine Sponsoring-Arbeitsleistungen.

Wir erwarten, dass die Gehaltsspanne für diese Rolle zwischen 220.000 und 290.000 USD liegt. Wir erkennen an, dass das Gehalt je nach Erfahrungsgrad variiert, und begrüßen direkte Gespräche darüber. Das endgültige Angebot variiert je nach Bewertung der Fähigkeiten und Fähigkeiten eines Kandidaten sowie unseres Budgets und Marktdaten. Gremlin bietet wettbewerbsfähige Gesamtvergütungspakete, einschließlich 401k Matching, Eigenkapital und anderen Vorteilen wie flexibler Freizeitgestaltung und bezahlten Unternehmensfeiertagen.