ML Engineer - Infrastructure

Flexion baut den Autonomie-Stack für humanoide Roboter. Unsere Mission ist es, den Übergang von fragilen Prototypen zu realen Einsätzen von Humanoiden voranzutreiben. Wir wurden von führenden Wissenschaftlern im Bereich Robotik und Reinforcement Learning gegründet und von führenden internationalen VC-Firmen unterstützt. In nur wenigen Monaten haben wir von unserem ersten Code bis zur Bereitstellung echter humanoider Fähigkeiten bei unseren Kunden, unter Nutzung von Simulation und Reinforcement Learning, Fortschritte gemacht. Heute erweitern wir schnell die Fähigkeiten unseres Autonomie-Stacks, unsere Kundenbasis und unser Team.

Wir suchen einen erfahrenen ML-Ingenieur, der sich unserem erfahrenen Infrastrukturteam anschließt und die Verantwortung für Flexions GPU-Computing-Plattformen übernimmt. Dies ist eine senior Position vor Ort mit erheblichem Umfang.

Bei Flexion bauen wir das Gehirn für humanoide Roboter, was das Training von Grundmodellen mit großen Datenmengen auf großen GPU-Clustern umfasst. Sie werden das Design, den Aufbau, den Betrieb und die Optimierung leistungsfähiger Cluster übernehmen. Sie arbeiten mit KI-Ingenieuren zusammen, um deren Trainingsgeschwindigkeit und Hardwareauslastung zu optimieren. Außerdem werden Sie strategische Compute-Planungen beeinflussen und zu neuen Tools und Plattformen beitragen, um effizient an unseren KI-Modellen zu iterieren. Dies wird Sie ins Herz der KI-Entwicklung von Flexion bringen und Ihnen ermöglichen, direkt die Umsetzung unserer ehrgeizigen Roadmap zu beeinflussen. Sie werden eng mit der Unternehmensführung, den Ingenieuren des Infrastrukturteams und den KI-Ingenieuren im gesamten Unternehmen zusammenarbeiten.

Hauptverantwortlichkeiten

• Architektur, Betrieb und kontinuierliche Verbesserung bestehender und zukünftiger cloud-basierter GPU-Cluster. Auswahl der besten Frameworks und Tools, um unsere Cluster effizient zu betreiben. Arbeiten an Clusterbereitstellung, Job-Schedulern und Überwachungssystemen.
• Hilfe für KI-Ingenieure bei der Optimierung ihrer Trainingslasten und Maximierung der Hardwareauslastung mithilfe von Profilern, Beitrag zu unseren Kern-ML-Bibliotheken.
• Beitrag zu kurz- und langfristigen GPU-Computing-Strategien in Zusammenarbeit mit unseren KI-Engineering-Teams und Unterstützung bei deren Umsetzung.
• Optimierung von Kapazität und Kosten durch Erkundung von Multi-Cloud-Strategien und Bewertung von Kompromissen.
• Erhöhung der Standards für Ingenieurpraktiken, einschließlich Tests, Codequalität, Dokumentation und Systemzuverlässigkeit.

Anforderungen

• Abschluss in Informatik, Elektrotechnik oder Software Engineering (oder gleichwertige praktische Erfahrung) sowie umfangreiche Branchenerfahrung.
• Praktische Erfahrung mit dem Training oder der Inferenz großer Modelle (Milliarden von Parametern) auf verteilten Multi-Node-GPU-Hardware. Dies kann das Einrichten und Betreiben des Clusters, das Schreiben und Optimieren von Trainings-/Inferenzcode, den Aufbau von ML-Pipelines usw. umfassen.
• Kenntnisse in Python und praktische Kenntnisse in PyTorch.
• Tiefes Verständnis von Konzepten des verteilten Trainings (DDP, FSDP, NCCL).
• Erfahrung mit mindestens einer Cloud-Plattform (AWS, GCP, Azure oder Neoclouds) oder großangelegter On-Premises-GPU-Infrastruktur.
• Erfahrung mit Job-Scheduling- und Orchestrierungstools: Slurm und/oder Kubernetes/KubeRay.

Nice-to-haves

• Vertrautheit mit Profilern (z.B. PyTorch Profiler, Dynolog, HTA, Nsight).
• Erfahrung mit Hochleistungs- oder parallelen Dateisystemen (z.B. Lustre).
• Erfahrung mit der Bereitstellung von Computing-Ressourcen bei mehreren Cloud-Anbietern.
• Erfahrung mit Infrastructure-as-Code und Konfigurationsmanagement (Terraform, Ansible).

Vorteile

• Wettbewerbsfähige Vergütung.
• Beitritt zu einem führenden Robotikteam - Zugang zu noch nie dagewesener Forschung.
• Energiegeladene, kollaborative Kultur mit Handlungsdrang und regelmäßigen Gemeinschaftsveranstaltungen.

Standort Zürich:

• Verbesserte Rentenregelung.
• Unterstützung bei der Genehmigung für Umzüge.
• Verbesserte Urlaubs- und bezahlte Freistellungsleistungen.
• Zentral gelegenes Büro in Zürich mit erstklassigen Testeinrichtungen und Infrastruktur für Robotik.

Standort San Francisco:

• 401(k) mit Unternehmensbeiträgen.
• Kranken-, Zahn- und Augenversicherung mit der Flexibilität, Ihren eigenen Plan auszuwählen.
• Offene PTO-Politik - bezahlte Unternehmensfeiertage.