Member of Technical Staff – Training Platform

🕒 vor 5 Tagen

🏄 California – Remote

🏄 California – Remote

💵 $150.000 - $300.000 / Jahr

⏰ Vollzeit

🔴 Experte

🖥 Softwareentwickler

👻 Geisterscore 3%

Was es bedeutet: wie wahrscheinlich diese Stelle offen bleibt, ohne dass aktiv eingestellt wird.So liest du es: 60 % oder höher heißt, wir halten das für einen Geisterjob. Niedrigere Werte sind weniger bedenklich.Wie wir werten: Dauer offen, Neuveröffentlichungen, offene Stellen vs Teamgröße, wie schnell Stellen geschlossen werden, und ob ein Gehalt angegeben ist.Hinweis: eine Schätzung aus öffentlichen Daten, kein Urteil über das Unternehmen. Echte Stellen können hoch punkten, nutze es also als Hinweis, nicht als Fakt.

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

Prime Intellect

WebsiteLinkedInAlle Stellen

1 - 10 Mitarbeiter

🤖 Künstliche Intelligenz

☁️ SaaS

Artificial Intelligence • SaaS • Cloud Computing

Prime Intellect ist ein Unternehmen, das sich darauf konzentriert, die KI-Entwicklung zu demokratisieren, indem es skalierbare und dezentrale Computerressourcen für das Training von Modellen bereitstellt. Ihre Plattform ermöglicht es Nutzern, weltweit verfügbare Computerressourcen zu finden und zu teilen, um den Training von hochmodernen Modellen durch verteilte Cluster zu ermöglichen. Sie fördern das kollektive Eigentum an KI-Innovationen, einschließlich Sprach- und wissenschaftlicher Modelle. Prime Intellect bietet zudem eine Reihe von GPU-Optionen, um kostengünstiges und effizientes Modelltraining zu erleichtern. Sie streben danach, die Forschung im Bereich des dezentralen Trainings und die Entwicklung von Open-Source-KI weltweit voranzutreiben.

Beschreibung

• Build and operate the hosted training platform for LoRA and full fine-tuning runs on managed GPU clusters • Design and operate Kubernetes-based training and inference orchestration across multi-cluster, multi-cloud GPU fleets • Build and maintain Helm charts for reproducible training stacks • Develop Python control-plane agents that monitor pods, report run state, and synchronize clusters • Implement scheduling and autoscaling for heterogeneous H100, H200, and B200 hardware • Operate GitOps workflows through pull requests, Helm values, and CI • Build node-local model caches, checkpoint pipelines, and shared storage for fast cold starts • Operate Prometheus, Grafana, Loki, and DCGM observability infrastructure • Build developer-facing features for job submission, live run monitoring, logs, metrics, model and adapter management, and comparisons • Develop FastAPI backend services and REST APIs connecting the platform to running clusters • Build real-time monitoring and debugging tools, including streaming logs, step-level metrics, and failure analysis • Ship product UI using Next.js, React, TypeScript, shadcn, Tailwind, tRPC, and TanStack Query • Interface with RL trainers, inference servers, and environment servers • Productize new training capabilities, model architectures, RL algorithms, and modes

🎯 Anforderungen

• Strong working knowledge of open model families and finetuning techniques (LoRA, QLoRA, full FT, RLHF/RLAIF) • Experience with inference engines (vLLM, SGLang, TensorRT-LLM) • Familiarity with GPU hardware tradeoffs (H100, H200, B200, NVLink, interconnects, memory hierarchy) • Understanding of distributed training fundamentals (data, tensor, pipeline, and expert parallelism; NCCL; multi-node scheduling) • Strong Kubernetes operations experience (Helm, CRDs, operators, KEDA, gang scheduling, GPU operator) • Experience debugging production clusters using kubectl, pod lifecycle knowledge, node troubleshooting, and networking • Cloud platform experience; GCP preferred, including GCS, GKE, Cloud Run, and Cloud Tasks • Infrastructure automation experience with Helm, Terraform, or Ansible and a GitOps mindset • Observability experience with Prometheus, Grafana, Loki, OpenTelemetry, and DCGM • Linux fundamentals including networking, namespaces, and performance tuning • Strong Python backend development with FastAPI, async programming, and SQLAlchemy • Experience building Python control-plane agents that interact with Kubernetes APIs • Modern frontend development with TypeScript, React/Next.js, Tailwind, and shadcn • REST and tRPC API design experience • Experience building developer tools, dashboards, and live-monitoring UIs • Experience in platform or infrastructure development; ideally both

🏖️ Vorteile

• Significant equity • Flexible work arrangement (remote or San Francisco office) • Full visa sponsorship and relocation support • Professional development budget for courses and conferences • Regular team off-sites and conference attendance • Opportunity to shape the future of decentralized AI development • Contributions to research and open-source work encouraged