Open-Source Machine Learning Engineer

Wir suchen derzeit einen Open-Source Machine Learning Engineer in Deutschland. Diese Rolle bietet die Möglichkeit, direkt zu einem der einflussreichsten Open-Source-Machine-Learning-Ökosysteme der Welt beizutragen. Sie werden an weit verbreiteten Bibliotheken und Frameworks arbeiten, die die moderne KI-Entwicklung antreiben, und helfen, Werkzeuge zu verbessern, die von Millionen von Entwicklern, Forschern und Datenwissenschaftlern weltweit genutzt werden. Die Position ist hochgradig kollaborativ und gemeinschaftsorientiert, mit enger Interaktion mit Mitwirkenden und Nutzern über GitHub und andere offene Foren. Sie werden die Evolution der Kern-ML-Bibliotheken mitgestalten und sicherstellen, dass sie effizient, zugänglich und auf dem neuesten Stand sind. Dies ist eine bedeutende Ingenieursrolle für jemanden, der leidenschaftlich an Open-Source-Innovationen, Deep-Learning-Systemen und dem Aufbau von Werkzeugen interessiert ist, die die breitere KI-Community stärken.

Verantwortlichkeiten:

• Beitrag zur Entwicklung, Verbesserung und Wartung wichtiger Open-Source-Machine-Learning-Bibliotheken und -Frameworks.
• Entwurf und Implementierung von qualitativ hochwertigem, gut getesteten und wartbaren Python-basierten Bibliothekscode, der von der globalen ML-Community verwendet wird.
• Zusammenarbeit mit Mitwirkenden und Nutzern über GitHub-Issues, Pull-Requests, Foren und Community-Diskussionen.
• Verbesserung von Deep-Learning-Frameworks und -Werkzeugen, insbesondere im Bereich der Transformer-Modelle, Trainingsabläufe und Inferenzoptimierung.
• Unterstützung und Verbesserung von Ökosystembibliotheken wie PyTorch-basierten Werkzeugen und verwandten ML-Infrastrukturkomponenten.
• Teilnahme an technischen Diskussionen zur Definition von Roadmap-Prioritäten und zur Gestaltung der Evolution von Open-Source-Projekten.
• Hilfe beim Debuggen, Überprüfen und Verbessern von Community-Beiträgen unter Beibehaltung hoher Code- und Dokumentationsstandards.
• Arbeiten an Leistungsverbesserungen, Skalierbarkeit und Benutzerfreundlichkeit großer ML-Systeme.

Anforderungen:

• Starke Kenntnisse in Python mit Fokus auf das Schreiben von sauberem, wartbarem und produktionsreifem Bibliothekscode.
• Solide praktische Erfahrung mit Deep-Learning-Frameworks, insbesondere PyTorch (JAX oder TensorFlow werden ebenfalls berücksichtigt).
• Vertrautheit mit modernen Machine-Learning-Konzepten, einschließlich Transformer-Architekturen und großangelegtem Modelltraining.
• Nachgewiesene Erfahrung in der Mitwirkung an Open-Source-Projekten mit sichtbaren Beiträgen auf GitHub.
• Erfahrung in der Arbeit mit oder innerhalb des Hugging Face-Ökosystems oder ähnlichen ML-Bibliotheken ist ein großer Vorteil.
• Fähigkeit zur effektiven Zusammenarbeit in Open-Source-Umgebungen, einschließlich Code-Reviews, Issue-Tracking und Community-Support.
• Starkes Verständnis von verteilten Kollaborationsabläufen und asynchronen Kommunikationspraktiken.
• Ausgezeichnete schriftliche Englischkenntnisse für technische Dokumentation und globale Zusammenarbeit.
• Bonus: Erfahrung mit verteiltem Training, GPU-Optimierung, Inferenzleistung oder der Pflege von Open-Source-ML-Projekten.

Vorteile:

• Wettbewerbsfähiges Vergütungspaket mit Möglichkeiten zur Beteiligung am Eigenkapital.
• Vollständig remote Rolle mit flexiblen Arbeitsbedingungen in ganz Europa, einschließlich des Vereinigten Königreichs.
• Gelegenheit, an weltweit genutzten Open-Source-ML-Tools zu arbeiten, die von Millionen von Praktikern verwendet werden.
• Starke Kultur des Lernens, der Forschungszusammenarbeit und der kontinuierlichen technischen Entwicklung.
• Zugang zu Konferenzen, Schulungen und Unterstützung bei der beruflichen Entwicklung.
• Flexible Arbeitszeiten und großzügige Urlaubsrichtlinien zur Unterstützung der Work-Life-Balance.
• Kollaborative, inklusive und global verteilte Ingenieurskultur.
• Gelegenheit, die Richtung wichtiger Machine-Learning-Frameworks und -Werkzeuge zu beeinflussen.
• Zusammenarbeit mit führenden Mitwirkenden im Open-Source-KI- und ML-Ökosystem.

Wie Jobgether funktioniert: Wir verwenden einen KI-gestützten Matching-Prozess, um sicherzustellen, dass Ihre Bewerbung schnell, objektiv und fair anhand der Kernanforderungen der Rolle überprüft wird. Unser System identifiziert die am besten passenden Kandidaten, und diese Shortlist wird dann direkt mit dem einstellenden Unternehmen geteilt. Die endgültige Entscheidung und die nächsten Schritte (Interviews, Bewertungen) werden von ihrem internen Team verwaltet. Wir schätzen Ihr Interesse und wünschen Ihnen viel Erfolg!