Senior Technical Program Manager – AI Tooling & Systems

🕒 il y a 1 mois

🇺🇸 États-Unis – Télétravail

💵 $152 000 - $190 000 / an

⏰ Temps Plein

🟠 Senior

🔧 Responsable de Programme Technique

🦅 Parrain de Visa H1B

Cette entreprise a parrainé des visas H1B par le passé.

👻 Score fantôme 18%

Ce que ça veut dire : la probabilité que cette offre reste ouverte sans recrutement actif.Comment le lire : 60 % ou plus, on pense que c'est une offre fantôme. Un score plus bas est moins inquiétant.Comment on la calcule : ancienneté, republications, postes ouverts vs taille de l'équipe, rapidité de clôture, et si le salaire est indiqué.À noter : une estimation à partir de données publiques, pas un jugement sur l'entreprise. De vraies offres peuvent avoir un score élevé, alors prenez-le comme un indice, pas comme un fait.

Postuler Maintenant

Trouver des Emplois à Distance Similaires

Configurer une alerte email pour les nouveaux emplois

📊 Vérifiez votre score de CV pour ce poste

Améliorez vos chances d'obtenir un entretien en vérifiant votre score de CV avant de postuler.

Télécharger le CV

Deepgram

Site WebLinkedInTous les Emplois

51 - 200 employés

Fondée en 2015

💼 Conseil

🏥 Santé

📦 Logistique

💰 €47 000 000 Series B en 2022-11

Consulting • Healthcare • Logistics

Deepgram est un leader de l’IA vocale qui propose des API puissantes pour des applications de speech-to-text, text-to-speech et de compréhension du langage. Sa plateforme permet aux développeurs de créer des solutions d’IA vocale avancées pour des cas d’usage tels que les centres de contact, la transcription médicale, l’IA conversationnelle, et plus encore. Réputée pour une précision, une rapidité et un rapport coût-efficacité inégalés, la technologie de Deepgram est plébiscitée par les plus grandes entreprises comme par les start-ups du monde entier. En offrant des capacités de transcription en temps réel et hautement précises, Deepgram aide les organisations à extraire des insights de leurs données vocales, en en faisant un outil essentiel pour transformer les interactions vocales.

Description

• Own end-to-end delivery of AI infrastructure programs—from model training pipelines and experiment tracking to inference serving and production monitoring • Define technical architecture, integration patterns, and rollout strategies for new ML systems and tooling (e.g., vector databases, model servers, evaluation frameworks, prompt engineering platforms) • Serve as connective tissue between ML research, ML engineering, product, and data teams to align on ML system requirements, capability roadmaps, and deployment timelines • Drive cost and latency optimization for real-time inference workloads at scale • Build lightweight internal tools and processes to accelerate ML iteration cycles (experiment tracking, model versioning, A/B testing infrastructure) • Identify and resolve technical bottlenecks in training pipelines, serving infrastructure, and model evaluation workflows • Work closely with ML practitioners to translate research breakthroughs into scalable, observable systems

🎯 Exigences

• 5+ years of program management or technical leadership in ML infrastructure, ML platforms, or AI tooling (or equivalent) • Strong technical acumen in ML systems—ideally hands-on experience as an ML engineer, systems engineer, or ML infrastructure engineer • Experience coordinating cross-functional ML programs (e.g., model training → evaluation → serving → monitoring) • Proven ability to translate ML/research requirements into robust, scalable infrastructure • Comfortable working in ambiguity and helping teams navigate complex technical tradeoffs (e.g., accuracy vs. latency vs. cost) • Excellent communication with both technical and non-technical stakeholders • Familiarity with high-growth or startup environments • It Would Be Great If You Had • Hands-on experience with model serving frameworks (vLLM, TensorRT, TorchServe, or similar) • Experience optimizing LLM or speech/audio model inference (quantization, distillation, KV-cache optimization, batching strategies) • Familiarity with ML experiment tracking and versioning tools (MLflow, Weights & Biases, DVC, or similar) • Background in feature stores, vector databases, or real-time ML systems • Knowledge of cost optimization for GPU/ML workloads on cloud and on-premise infrastructure • Experience with multi-region model serving or edge deployment • Hands-on with relevant frameworks (PyTorch, CUDA, Hugging Face, etc.) or cloud platforms (AWS SageMaker, GCP Vertex AI, Azure ML)

🏖️ Avantages

• Offers Equity • Offers Bonus • 10% Annual Bonus