Founding ML Engineer – Flower Frontier Model Team

Stelle nicht auf LinkedIn

🕒 vor 7 Monaten

🌐 Vereinigte Staaten, Deutschland, +1 weitere Länder – Remote

🇺🇸 Vereinigte Staaten – Remote 🇩🇪 Deutschland – Remote 🇬🇧 Vereinigtes Königreich – Remote

🏄 California, New York – Remote

🏄 California – Remote 🗽 New York – Remote

⏰ Vollzeit

🟠 Senior

🤖 Machine-Learning-Entwickler

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mail-Benachrichtigung für neue Jobs einrichten

📊 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

Flower Labs

WebsiteLinkedInAlle Stellen

11 - 50 Mitarbeiter

Gegründet 2023

🏥 Gesundheitswesen

🚘 Automobilindustrie

💼 Beratung

Healthcare • Automotive • Consulting

Flower Labs ist ein Unternehmen, das ein benutzerfreundliches föderiertes KI-Framework namens Flower entwickelt, mit dem Benutzer föderiertes Lernen über verschiedene maschinelle Lernframeworks und Programmiersprachen hinweg implementieren können. Flower zielt darauf ab, den Prozess des föderierten Lernens zu vereinfachen und ermöglicht eine effiziente Verteilung und Ausführung von Arbeitslasten über eine Vielzahl von Clients. Die Plattform ist für Skalierbarkeit und Benutzerfreundlichkeit konzipiert und unterstützt verschiedene Geräte und Cloud-Systeme für Forschungs- und Produktionszwecke.

Beschreibung

• Play a critical role in building SOTA LLMs and foundation models within a small, high-impact team • Help build a reliable, maintainable and scalable software stack • Produce world-leading models that are open-sourced and integrated into new Flower Lab products • Design, implement and optimize core components across the full spectrum of stages relevant to frontier model building: data curation, evals, pre-training, post-training • Diagnose and resolve GPU/kernel issues, memory/storage bottlenecks, and multi-node failures at scale • Collaborate on the debugging of training instabilities and related issues • Devise surrounding infrastructure, tooling, monitoring, and observability, essential for large-scale LLM development • Contribute ideas, be heard and influence the direction of the company across the board.

🎯 Anforderungen

• Exceptional software engineering skills (Python, deep learning frameworks, testing, profiling, refactoring, reproducibility) • Expertise with modern ML training stacks: PyTorch, JAX or equivalent; experience implementing model architectures from scratch and working within libraries like DeepSpeed, Megatron or equivalent • Ability to tune, debug, and profile large-scale training runs • Hands-on experience working with large GPU clusters, including job orchestration, scheduling, multi-node runs, NCCL/RDMA issues, and GPU performance optimization • Ability to collaborate effectively with both research-oriented and engineering-oriented colleagues; comfortable turning research ideas into robust, maintainable implementations • Good engineering hygiene: modular design, code reviews, documentation, reproducibility, versioning of data/models/configurations • Familiarity with common tools (Linux command line, git, Docker, …) • Openness to adopting new tooling • Solid understanding of distributed systems and networking • Strong written English • Open, honest and transparent communication skills.

🏖️ Vorteile

• Flexible working hours • Professional development opportunities