Auf einen Blick
- Aufgaben: Bauen und betreiben Sie massive verteilte Compute- und Speichersysteme für Mistral AI.
- Unternehmen: Mistral AI entwickelt eine umfassende KI-Plattform, die sowohl Unternehmens- als auch persönliche Bedürfnisse erfüllt.
- Vorteile: Wettbewerbsfähiges Gehalt, tägliche Essensgutscheine und volle Krankenversicherung für Sie und Ihre Familie.
- Weitere Informationen: Standorte sind Paris, London oder remote in der EU/UK mit einem Hub-Tag pro Monat.
- Warum dieser Job: Seien Sie ein zentraler Beitragender zur Evolution der Dateninfrastruktur in einem schnell wachsenden KI-Umfeld.
- Qualifikationen: Mindestens 4 Jahre Erfahrung in Data Infrastructure oder MLOps sowie Kenntnisse in Kubernetes und Python.
Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.
Über Mistral
Bei Mistral AI glauben wir an die Kraft von KI, um Aufgaben zu vereinfachen, Zeit zu sparen und Lernen sowie Kreativität zu fördern. Unsere Technologie ist darauf ausgelegt, nahtlos in den Arbeitsalltag integriert zu werden. Wir demokratisieren KI durch leistungsstarke, optimierte, Open-Source- und hochmoderne Modelle, Produkte und Lösungen. Unsere umfassende KI-Plattform ist darauf ausgelegt, sowohl Unternehmens- als auch persönliche Bedürfnisse zu erfüllen.
Rollenübersicht
Der Data Infrastructure Team bei Mistral AI gestaltet das Rückgrat unseres Modells für das Training und die Feinabstimmung an der Front. Wir bauen die spezialisierten Rechen- und Datenstrukturen auf, die erforderlich sind, um die Entwicklung von KI der Weltklasse voranzutreiben.
Standort: Paris / London (hybrid) oder remote EU/UK mit einem Hub-Tag pro Monat.
Über die Rolle
Diese Rolle konzentriert sich auf den Aufbau und Betrieb der nächsten Generation von Dateninfrastrukturen bei Mistral AI. Sie werden ein zentraler Mitwirkender an unserer Evolution sein, indem Sie uns helfen, massive Rechenflotten und Speichersysteme für hohe Leistung und Skalierbarkeit zu entwerfen und zu skalieren. Sie bewegen sich in Richtung einer Zukunft mit entkoppelten Steuer- und Datenebenen, skalieren große Datenrechen- und Speicherplattformen und gewährleisten gleichzeitig einen sicheren und geregelten Datenzugang für MLOps und Forschung. Die vollständige Lebenszyklusverantwortung umfasst das Entwerfen von Migrationen, die Implementierung produktionsgerechter Pipelines und die Teilnahme an Bereitschaftsdiensten für kritische Trainingsjobs.
Verantwortlichkeiten
- Massive verteilte Rechen- und Speichersysteme aufbauen und skalieren.
- Architektur und Wartung von Multi-Cluster-Orchestrierungsschichten zur Optimierung der Arbeitslastplatzierung über verschiedene Hardware und Regionen.
- Unseren Übergang zu modernen Speicherformaten gestalten, um Feinabstimmungsdatensätze in einem Maßstab zu handhaben, der ein Exabyte-Wachstum antizipiert.
- Zur Entwicklung unserer internen Trainingsplattform beitragen, um nahtlose Modelltrainings- und Feinabstimmungsmöglichkeiten über Kubernetes- und SLURM-basierte Umgebungen sicherzustellen.
- Systeme implementieren und verwalten, um klare Sichtbarkeit und Herkunft zu bieten, während unsere Daten- und Modellpipelines in der Komplexität wachsen.
- Moderne Bereitstellungs-Workflows verwenden, um cloud-native Bereitstellungen zu verwalten und sicherzustellen, dass unsere Datenplattform skalieren kann, während sie zuverlässig und effizient bleibt.
Qualifikationen
- Über 4 Jahre Erfahrung in Dateninfrastruktur, MLOps oder Infrastrukturengineering.
- Erfahrung oder starkes Interesse an der Unterstützung grundlegender Rechen- und Speicherplattformen.
- Versiert in Python und bereit, das Problem des „brüchigen Datensees“ mit modernen, spaltenbasierten Speicherstandards zu lösen.
- Gut vertraut mit Kubernetes-nativen Werkzeugen und begeistert, groß angelegte verteilte Systeme in Multi-Cluster-Umgebungen zu debuggen.
- Stolz darauf, skalierbare, zuverlässige und sichere Systeme von Grund auf zu bauen und zu betreiben.
- Komfortabel mit Unklarheiten und den Herausforderungen, eine hochskalierbare Infrastruktur in einem schnell wachsenden KI-Umfeld aufzubauen.
Vorteile
- Wettbewerbsfähiges Gehalt und Eigenkapital.
- Tägliche Mittagsgutscheine.
- Monatlicher Beitrag zu einem Gympass-Abonnement.
- Monatlicher Beitrag zu einem Mobilitätspass.
- Vollständige Krankenversicherung für Sie und Ihre Familie.
- Großzügige Elternzeitregelung.
- Visumsponsoring.
Mistral AI nimmt am E-Verify-Programm teil. Mit Ihrer Bewerbung stimmen Sie unserer Datenschutzrichtlinie für Bewerber zu.
Research Engineer, Data Infrastructure Arbeitgeber: Mistral AI
Mistral AI bietet ein wettbewerbsfähiges Gehalt, Essensgutscheine und eine monatliche Unterstützung für Fitness. Das Unternehmen hat Büros in Paris und London und fördert eine innovative KI-Entwicklung. Das Team arbeitet an hochmodernen, offenen Modellen und Lösungen.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so Research Engineer, Data Infrastructure erhalten könnten
✨Wende dich an die richtigen Communities
Schau dir Online-Communities und Foren an, die sich um Data Science drehen, wie Kaggle oder GitHub. Engagiere dich dort aktiv, teile deine Projekte und lerne von anderen – das wird dir helfen, nicht nur einen Fuß in die Tür zu bekommen, sondern auch wertvolle Kontakte zu knüpfen.
✨Präsentiere deine Daten-Projekte
Baue ein Portfolio auf, das deine besten Projekte zeigt. Nutze Plattformen wie GitHub oder eine persönliche Webseite, um deine Arbeiten zu veröffentlichen. Arbeitgeber im Data Science-Bereich schauen oft direkt auf praktische Erfahrungen, also zeig, was du drauf hast!
✨Nimm an Meetups und Hackathons teil
Besuche lokale Data Science-Meetups oder nehme an Hackathons teil. Diese Veranstaltungen sind nicht nur super, um dein Wissen zu erweitern, sondern auch Gold wert für Networking. Du lernst Fachkollegen kennen und kannst auf Lockere Art und Weise Eventualjobs ergattern.
✨Direkte Bewerbungen über unsere Seite
Vergiss nicht, direkt auf unserer Website nach Stellenangeboten bei Mistral AI zu schauen. Hier kannst du dich auf offene Datenwissenschaftsstellen bewerben und zeigst damit direktes Interesse, das viele Arbeitgeber schätzen!
Wir glauben, dass du diese Fähigkeiten brauchst, um Research Engineer, Data Infrastructure mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Lass deine Daten sprechen!:In einem Bereich wie Data Science ist es entscheidend, dass du deine praktischen Fähigkeiten präsentierst. Wenn du an Projekten gearbeitet hast, die deine Analysefähigkeiten oder dein Wissen über Machine Learning demonstrieren, teile sie in deinem Lebenslauf oder füge einen Link zu deinem GitHub-Portfolio bei. Die Daten, die du analysiert hast, und die Tools, die du verwendest, sollten klar hervorgehoben werden.
Ergebnisse quantifizieren!:Unterstütze deine Erfahrung mit quantifizierbaren Ergebnissen. Zeige, wie du durch deine Analysen oder Modelle zur Entscheidungsfindung beigetragen hast oder wie deine Berechnungen den Rohdaten neue Erkenntnisse entlockt haben. Arbeitgeber in der Data Science sind oft an konkreten Verbesserungen und Effizienzsteigerungen interessiert!
Erläutere deine Lernbereitschaft!:Da es sich um eine Vollzeitstelle handelt, zeige in deinem Anschreiben, dass du bereit bist, zu lernen und dich weiterzuentwickeln. Sprich über deine Neugier für neue Technologien oder Methoden im Data Science Bereich. Vielleicht hast du auch Kurse besucht oder Zertifikate erworben, die deine Begeisterung zeigen!
Die richtige technische Sprache!:Achte darauf, dass deine Bewerbung alle relevanten technischen Begriffe enthält, die in der Data Science gebräuchlich sind. Nenne spezifische Programmier- und Analysetools wie Python, R oder SQL, die du beherrschst. Dies macht es für die Rekrutierer einfacher, schnell zu erkennen, dass du für die Rolle als Research Engineer, Data Infrastructure bei Mistral AI gut geeignet bist.
Wie man sich auf ein Vorstellungsgespräch bei Mistral AI vorbereitet
✨Bereite deine technischen Skills vor
In einem Vorstellungsgespräch für eine Data-Science-Position wird oft dein Wissen über Tools wie Python, R oder SQL getestet. Mach dich mit gängigen Algorithmen und deren Einsatzmöglichkeiten vertraut, denn technische Fragen können schnell kommen. Lass uns sicherstellen, dass du in diesen Bereichen glänzt!
✨Verschaffe dir einen Überblick über Projekte
Da es sich um eine Vollzeitstelle handelt, ist es wichtig, dass du konkrete Erfahrungen und Projekte vorweisen kannst. Wenn du bereits an Data-Science-Projekten gearbeitet hast, sei bereit, diese in der Tiefe zu erläutern und zu diskutieren, wie du die Probleme gelöst hast. Dein Portfolio kann hier einen echten Unterschied machen!
✨Vorbereitung auf case studies
In Data-Science-Interviews sind case studies und praktische Probleme häufig Teil des Gesprächs. Übe, wie du strukturiert und logisch an solche Aufgaben herangehst. Arbeitgeber möchten sehen, wie du Daten analysierst und Lösungen entwickelst – bring also deine analytischen Fähigkeiten mit!
✨Zeige deine Leidenschaft für Daten
Mehr denn je geht es bei einer Vollzeitstelle darum, dass du nicht nur die Skills hast, sondern auch wirklich für das Feld brennst. Teile Anekdoten oder Erfahrungen, die zeigen, wie du zur Datenwissenschaft gekommen bist und was dich fasziniert. Diese Begeisterung kann für Mistral AI entscheidend sein!
