Senior/Staff AI Engineer

🕒 vor 1 Monat

🏄 California – Remote

🏄 California – Remote

💵 $150.000 - $250.000 / Jahr

⏰ Vollzeit

🟠 Senior

🤖 KI-Ingenieur

🦅 H1B-Visum-Sponsor

Dieses Unternehmen hat in der Vergangenheit H1B-Visa gesponsert.

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mails für Remote-Jobs erhalten

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen

DDN

WebsiteLinkedInAlle Stellen

1001 - 5000 Mitarbeiter

Gegründet 1998

🤖 Künstliche Intelligenz

💰 €10.000.000 Funding Round im 2011-06

Artificial Intelligence • Data Center and Cloud Computing • High Performance Computing

DDN ist ein globaler Marktführer für Lösungen im Bereich Datenintelligenz für KI und bietet Technologien für High-Performance Computing (HPC) sowie anspruchsvolles Datenmanagement. Mit dem Fokus, KI-Implementierungen und fortgeschrittene Datenanalysen zu beschleunigen, unterstützen die Produkte von DDN – darunter die Data Intelligence Platform und hochentwickelte Speichersysteme – vielfältige Branchen wie Gesundheitswesen, Finanzdienstleistungen und den öffentlichen Sektor. DDN hat sich der Transformation der Unternehmensdateninfrastruktur verschrieben, um das volle Potenzial von KI auszuschöpfen und die operative Effizienz zu steigern.

Beschreibung

• Build and optimize LLM serving and inference systems for production environments • Improve performance across GPU and CPU pathways • Work on KV cache, memory, storage, and throughput bottlenecks • Design and scale systems that support RAG and retrieval-heavy AI workloads • Contribute to infrastructure where storage architecture and systems efficiency materially affect AI performance • Solve engineering problems at the intersection of AI, high-performance systems, and distributed infrastructure

🎯 Anforderungen

• An engineer who has spent meaningful time building or optimizing production AI systems, not just experimenting with models • Someone who understands how inference performance is shaped by the interaction between compute, memory, storage, and serving architecture • Deep hands-on experience working close to the systems layer — for example, improving how workloads run across GPU and CPU resources, reducing bottlenecks, or tuning infrastructure for better throughput and latency • Evidence of real ownership in areas like model serving, retrieval, caching, storage, or distributed performance, rather than purely application-layer AI work • The ability to move comfortably between architecture decisions and hands-on implementation, especially in environments where efficiency and scale matter • A background that suggests you can operate in technically demanding environments, whether that comes from AI infrastructure, high-performance systems, storage platforms, or adjacent distributed systems work • PhD preferred, but far less important than having built serious systems in the real world.