Machine Learning Training Infrastructure Engineer

Logitech ist der Sweet Spot für Menschen, die möchten, dass ihre Handlungen einen positiven globalen Einfluss haben, während sie die Flexibilität haben, dies auf ihre eigene Weise zu tun.

Wir suchen einen ML Training Infrastructure Engineer, um die Engineering-Praktiken in unseren Machine Learning- und EdgeAI-Teams zu verbessern und deren Geschwindigkeit zu steigern. In dieser Rolle werden Sie als gemeinsamer Champion für DevOps / MLOps-Exzellenz agieren. Ihre Mission ist es, hervorragendes Modelltraining zu fördern, indem Sie wiederverwendbare Strukturen (Vorlagen, CI/CD-Pipelines und Datenmanagement-Workflows) entwerfen, die es unseren ML-Ingenieuren ermöglichen, schneller, intelligenter und mit absoluter Konsistenz zu arbeiten. Ein Schwerpunkt dieser Rolle liegt auf der Optimierung von Trainingspipelines, um unsere Hochleistungsrecheninfrastruktur (HPC) vollständig auszuschöpfen und Skalierbarkeit sowie Leistung sicherzustellen.

Sie sind die Schnittstelle zu unserem Digital Office (das die Kernressourcen AWS/HPC und die MLOps-Infrastruktur verwaltet) und den angewandten ML-Teams, wobei Sie sicherstellen, dass Wissenstransfer und Engineering-Best-Practices nahtlos integriert werden.

Ihr Beitrag:

• Infrastruktur-Rollout: Führen Sie die Migration und Einführung der Infrastruktur an, indem Sie ML-Ingenieure in neue gemeinsame Rechenumgebungen einführen, Entwickler-Workflows optimieren, um Reibungen zu reduzieren, und umfassende Dokumentation sowie praktische Schulungen bereitstellen, um das Team weiterzubilden.
• Wissenstransfer: Agieren Sie als interner Berater und Coach für ML-Teams zur Optimierung von Hochleistungsrechnen (HPC). Führen Sie Workshops durch, arbeiten Sie bei Pipeline-Engpässen zusammen und dokumentieren Sie moderne MLOps-Standards, um die Engineering-Organisation weiterzubilden und den Wissensaustausch zu erleichtern.
• Standardisierung: Entwerfen und pflegen Sie „Cookie-Cutter“-Projektvorlagen. Stellen Sie sicher, dass jeder ML-Ingenieur ein neues Repository erstellen kann, das automatisch konform, strukturiert und mit Daten-/Artifact-Versionierung integriert ist.
• CI/CD: Bauen und pflegen Sie robuste Automatisierungspipelines. Entwerfen Sie die Trigger und Workflows, die die Datenvalidierung, das Modelltraining und die Evaluierung automatisieren, wenn neue Daten eintreffen oder sich Leistungsbaselines ändern.
• Code-Optimierung: Arbeiten Sie mit ML-Ingenieuren zusammen, um Trainingspipelines und lokale/Edge-Inferenzcodes zu profilieren und zu optimieren, um eine hohe Effizienz auf lokalen Host-Computern und spezialisierten Rechenressourcen sicherzustellen.
• Digital Office Liaison: Agieren Sie als primärer technischer Ansprechpartner, um die AWS-Richtlinien des Digital Office, hoch effiziente Rechenkonfigurationen und Infrastrukturrealitäten in praktische, entwicklerfreundliche Workflows für die ML-Teams zu übersetzen.
• AI Governance: Etablieren und durchsetzen von Rahmenbedingungen für ethische KI, Modelltransparenz (über Modellkarten) und Datenschutzkonformität. Agieren Sie als Verwalter unseres Datenökosystems, indem Sie Prozesse für Dateninventar, Lebenszyklusmanagement und Zugänglichkeit abstimmen, um sicherzustellen, dass qualitativ hochwertige, konforme Daten für das Training und die Inferenz in allen Projekten leicht verfügbar sind.

Schlüsselqualifikationen:

• Bildung: PhD oder MSc in Informatik, Computertechnik oder einem eng verwandten Bereich.
• Erfahrung: Über 5 Jahre Erfahrung in MLOps, DevOps oder Software Engineering mit starkem Fokus auf Entwicklerwerkzeuge, Automatisierung, Plattformenablement und Pipeline-Optimierung. Praktische Erfahrung im Entwerfen, Bauen oder Warten von groß angelegter ML-Trainingsinfrastruktur.
• „Leadership“-Mindset: Nachweisliche Erfolge in der Mentoring von Teams, der Etablierung von Best Practices und der Erstellung klarer Dokumentationen, die Ingenieure tatsächlich gerne nutzen.
• Daten-Workflow-Tooling: Starke praktische Erfahrung mit Datenversionierung, Experimentverfolgungswerkzeugen und modernen CI/CD-Plattformen (z.B. GitLab CI, GitHub Actions).
• Software-Paketierung: Tiefgehende Kenntnisse in Python und PyTorch, mit Erfahrung im Ausführen von Trainingslasten auf GPUs/TPUs. Starkes Verständnis von Containerisierung (Docker) und der Paketierung von Modellen zur Verteilung an Edge-Geräte oder Host-Computer.
• Starke Software-Engineering-Praktiken: Codequalität, Design-Reviews, Tests, Beobachtbarkeit, CI/CD.
• Vertrautheit mit Infrastruktur: Solides Verständnis von Cloud-Konzepten (AWS), um effektiv mit dem Digital Office zusammenzuarbeiten, auch wenn die Cloud-Bereitstellung nicht im Fokus steht.
• Systeme: Leistungsoptimierung: Starkes Verständnis von Profilierung, Betriebssystemen (OS), Caching-Mechanismen und Hardware (HW)-Architektur. Solides Verständnis von Konzepten verteilter Systeme (Parallelitätsstrategien, Fehlertoleranz, Synchronisation).

Logitech ist ein großartiger Arbeitsplatz, weil er voller authentischer Menschen ist, die von Natur aus sowie durch Design inklusiv sind. Als globales Unternehmen schätzen wir unsere Vielfalt und feiern all unsere Unterschiede. Wenn Sie nicht alle Anforderungen erfüllen, ist das kein Problem. Wenn Sie das Gefühl haben, dass Sie der richtige Kandidat für diese Gelegenheit sind, empfehlen wir Ihnen dringend, sich zu bewerben. Wir möchten Sie kennenlernen!

Wir bieten umfassende und wettbewerbsfähige Leistungspakete und Arbeitsumgebungen, die darauf ausgelegt sind, flexibel zu sein und Ihnen zu helfen, sich um sich selbst und Ihre Lieben zu kümmern, jetzt und in Zukunft. Wir glauben, dass gute Gesundheit mehr bedeutet, als nur medizinische Versorgung zu erhalten, wenn Sie sie benötigen. Logitech unterstützt eine Kultur, die Einzelpersonen ermutigt, gutes körperliches, finanzielles, emotionales, intellektuelles und soziales Wohlbefinden zu erreichen, damit wir alle mehr schaffen, erreichen und genießen können und unsere Familien unterstützen können.

Alle qualifizierten Bewerber erhalten unabhängig von Rasse, Geschlecht, Alter, Hautfarbe, Religion, sexueller Orientierung, Geschlechtsidentität, nationaler Herkunft, geschütztem Veteranenstatus oder aufgrund einer Behinderung Berücksichtigung für eine Anstellung.