Founding Developer Relations Engineer

Foundation-Modelle haben Text und Bilder transformiert, aber strukturierte Daten bleiben die größte und bedeutendste Datenmodalität der Welt. Tabellen steuern jede klinische Studie, jedes Finanzmodell, jedes wissenschaftliche Experiment und jede Geschäftsentscheidung. Niemand hat ein Foundation-Modell entwickelt, das sie wirklich versteht. Bis jetzt. Was LLMs für Sprache getan haben, tun wir für Tabellen. Wir haben tabellarische Foundation-Modelle pioniert und sind nun die weltweit führende Organisation im Bereich strukturiertes Daten-ML. Unser TabPFN v2-Modell wurde in Nature veröffentlicht und hat einen neuen Stand der Technik für tabellarisches maschinelles Lernen gesetzt. Seit seiner Veröffentlichung haben wir die Modellfähigkeiten um mehr als das 20-fache skaliert, über 3 Millionen Downloads erreicht, 6.000+ GitHub-Sterne erhalten und sehen eine beschleunigte Akzeptanz in Forschung und Industrie – von der Erkennung von Lungenerkrankungen mit Oxford Cancer Analytics bis zur Verhinderung von Zugausfällen mit Hitachi und der Verbesserung von Entscheidungen in klinischen Studien mit BostonGene. Wir skalieren tabellarische Foundation-Modelle, um Millionen von Zeilen, Tausende von Merkmalen, Echtzeitinferenz und völlig neue Datenmodalitäten zu verarbeiten, während wir die Infrastruktur aufbauen, um sie in anspruchsvollen Branchen produktiv einzusetzen. Diese Probleme sind offene Fragen, an denen sonst niemand auf diesem Niveau arbeitet.

Als Developer Relations - Gründungsrolle bei Prior Labs werden Sie das technische Gesicht von Prior Labs sein, verantwortlich für die Pflege einer lebendigen Community rund um unsere Foundation-Modelle. Als erster DevRel-Einsteller werden Sie bedeutende Inhalte erstellen und teilen, Beispiele und Tutorials entwickeln, die Dokumentation verbessern und bei Bedarf Code beitragen. Sie werden direkt mit Data Scientists über soziale Medien, Blogs, Discord, GitHub und bei Veranstaltungen interagieren, Einblicke und Unterstützung bieten und Feedback sammeln, das direkt beeinflusst, was wir bauen. Diese Rolle erfordert ein einzigartiges Gleichgewicht: Sie müssen technisch genug sein, um Glaubwürdigkeit bei ML-Ingenieuren zu erlangen, und sozial genug, um echte Beziehungen zu unserer Entwickler-Community aufzubauen.

Ihr Wochenablauf balanciert technisches Arbeiten mit Community-Engagement:

• Technische Arbeit (~60%): Schreiben von Python-Demos und Colab-Notebooks, Beitragen von Bugfixes und Verbesserungen zu unseren Repos, Erstellen von Tutorials, die reale TabPFN-Anwendungsfälle zeigen, Experimentieren mit dem Modell auf verschiedenen Datensätzen, Erstellen von Beispielanwendungen.
• Community-Arbeit (~40%): Beantworten von Fragen auf Discord und GitHub, Ausrichten von Community-Bürostunden, Teilen von Inhalten und Engagement in sozialen Medien, Sammeln und Synthese von Entwicklerfeedback, Organisieren von virtuellen Veranstaltungen oder Hackathons.

Worauf wir achten:

• Technische Grundlagen: Technischer Hintergrund mit einem Bachelor- oder Master-Abschluss in Informatik, Data Science oder einem verwandten Bereich. Starke Python-Kenntnisse und die Fähigkeit, sauberen, funktionalen Code zu schreiben. Solide ML-Grundlagen: Sie verstehen Training, Feinabstimmung, Inferenz und können mit Frameworks wie scikit-learn, PyTorch oder ähnlichem arbeiten. Nachweisbare Erfolge in der technischen Arbeit in der Öffentlichkeit – wir müssen Ihre Beiträge sehen (Open-Source-PRs, technische Blogbeiträge, GitHub-Projekte, Konferenzvorträge usw.).
• Community-Building: Aktive Teilnahme an technischen Communities (GitHub, Discord, Stack Overflow, Twitter/X, Reddit usw.). Ausgezeichnete schriftliche und mündliche Kommunikation – Sie können komplexe ML-Konzepte klar an Praktiker erklären. Komfortabel, das öffentliche Gesicht zu sein – Sie genießen die Interaktion mit Entwicklern in sozialen Medien, Foren und bei Veranstaltungen.
• Erfahrung: 3+ Jahre in Developer Relations, Community Management, technischer Inhaltserstellung, ML-Engineering mit Community-Beteiligung oder ähnlichen Rollen, in denen Sie technische und Community-Arbeit verbinden.

Was Sie besonders macht:

• Sie haben an Kaggle oder ähnlichen Data-Science-Wettbewerben teilgenommen.
• Hintergrund als Data-Science- oder ML-Engineering-Praktiker.
• Erfahrung mit AutoML, MLOps oder Foundation-Modellen.
• Sie haben technische Communities (Discord, GitHub, Foren) von Grund auf aufgebaut oder erweitert.
• Sie haben technische Veranstaltungen, Hackathons oder Konferenzen organisiert.
• Aktives Netzwerk in der Data-Science/ML-Community.
• Open-Source-Maintainer oder häufiger Mitwirkender.
• Öffentliche Sprech-Erfahrung auf technischen Konferenzen oder Meetups.

Wir sind ein kleines, ehrgeiziges Team, das eines der schwierigsten Probleme in der KI löst, und wir fangen gerade erst an. Sie werden eng mit weltklasse Forschern und Entwicklern zusammenarbeiten, die sich leidenschaftlich für die Qualität ihres Handwerks, die Auswirkungen ihrer Arbeit und die Menschen, mit denen sie arbeiten, einsetzen. Wir bewegen uns schnell, denken rigoros und nehmen uns die Zeit, die Dinge richtig zu machen. Wenn Sie von schwierigen Problemen begeistert sind, von realen Auswirkungen motiviert werden und Teil des Aufbaus von etwas sein möchten, das wichtig ist, würden wir uns freuen, von Ihnen zu hören.

Wir glauben, dass die besten Produkte und Teams aus einer breiten Palette von Perspektiven, Erfahrungen und Hintergründen entstehen. Deshalb begrüßen wir Bewerbungen von Menschen aller Identitäten und Lebenswege, insbesondere von allen, die sich jemals durch "nicht alle Kästchen abhaken" entmutigt gefühlt haben. Wir setzen uns dafür ein, ein sicheres, integratives Umfeld zu schaffen und Chancengleichheit unabhängig von Geschlecht, sexueller Orientierung, Herkunft, Behinderung oder einem anderen Merkmal, das Sie ausmacht, zu gewährleisten.