Mitglied des technischen Teams – Model Serving, API-Backend

Stelle nicht auf LinkedIn

vor 10 Monaten

Bewerben

E-Mails mit ähnlichen Jobs erhalten

Prior Labs

WebsiteLinkedInAlle Stellen

Artificial Intelligence • Data Science • SaaS

Prior Labs ist ein Tech-Unternehmen, das sich auf innovative Tools zur Bildgenerierung mittels künstlicher Intelligenz (AI) spezialisiert. Das Hauptprodukt, FLUX, bietet eine Suite von Tools für Kreative, einschließlich APIs zur Erstellung hochwertiger Bilder in Blitzgeschwindigkeit. Mit verschiedenen Modellen für den kommerziellen und privaten Einsatz möchte Prior Labs die visuelle Kreativität transformieren und die Möglichkeiten von Kreativen und Entwicklern gleichermaßen erweitern.

2 - 10 Mitarbeiter

🤖 Künstliche Intelligenz

☁️ SaaS

Beschreibung

• Black Forest Labs ist ein innovatives Startup, das wegweisende generative Bild- und Videomodelle entwickelt. • Entwicklung und Wartung robuster APIs zur Bereitstellung von Machine-Learning-Modellen. • Umwandlung von Forschungsmodellen in produktionsreife Demos und MVPs. • Optimierung der Modellinferenz zur Verbesserung von Leistung und Skalierbarkeit. • Implementierung und Verwaltung von Systemen zur Erfassung von Nutzerpräferenzdaten. • Sicherstellung hoher Verfügbarkeit und Zuverlässigkeit der Model-Serving-Infrastruktur. • Zusammenarbeit mit ML-Forschern, um neue Modelle schnell zu prototypisieren und bereitzustellen.

🎯 Anforderungen

• Fundierte Kenntnisse in Python und deren Ökosystem für Machine Learning, Datenanalyse und Webentwicklung • Umfangreiche Erfahrung in der Entwicklung und Bereitstellung von RESTful-APIs für ML-Aufgaben • Vertrautheit mit Containerisierung und Orchestrierungstechnologien (z. B. Docker, Kubernetes) • Kenntnisse in Cloud-Plattformen (AWS, GCP oder Azure) zur Bereitstellung und Skalierung von ML-Services • Nachweisliche Erfahrung in schneller Prototypenentwicklung von ML-Modellen mit Tools wie Streamlit oder Gradio • Erfahrung mit verteilten Task-Queues und skalierbaren Model-Serving-Architekturen • Verständnis von Monitoring-, Logging- und Observability-Best-Practices für ML-Systeme • Erfahrung mit Frontend-Entwicklungsframeworks (z. B. Vue.js, Angular, React) • Vertrautheit mit MLOps-Praktiken und -Tools • Kenntnisse in Datenbanksystemen und Data-Streaming-Technologien • Erfahrung mit A/B-Tests und Feature-Flagging in Produktionsumgebungen • Verständnis von Sicherheitsbest-Practices für API-Entwicklung und Model-Serving • Erfahrung mit Echtzeit-Inferenzsystemen und Low-Latency-Optimierungen • Kenntnisse von CI/CD-Pipelines und automatisiertem Testing für ML-Systeme • Expertise in Optimierungen der ML-Inferenz, einschließlich Techniken wie: • Reduzierung von Initialisierungszeit und Speicherbedarf • Implementierung von Dynamic Batching • Nutzung von Reduced Precision und Gewichtquantisierung • Anwendung von TensorRT-Optimierungen • Durchführung von Layer-Fusion und Modellkompilierung • Schreiben von individuellem CUDA-Code zur Leistungssteigerung