Vereinigte Staaten
The MITRE Corporation
AiDASH, Inc.
Staff MLOps Engineer
Vereinigte Staaten
Palo Alto, California, United States
AWSDockerKubernetesGo
Automatische Übersetzung. Prüfe das Original.
Über AiDASH
AiDASH ist führend in der PreventionFirst™-Bewegung für Stromversorger und transformiert die Widerstandsfähigkeit des Stromnetzes durch seine wegweisende Plattform, die Vegetations-, Anlagen-, Sturm- und Waldbrandintelligenz vereint. Angetrieben durch SatelliteFirst™ Inspection & Monitoring liefert AiDASH umfassende Transparenz über das gesamte Netz mit der richtigen Frequenz und dem richtigen Budget, unter Verwendung der richtigen Datenmodalität. Mehr als 200 Kunden vertrauen darauf, dass AiDASH die Lichter am Laufen hält, dort investiert, wo es darauf ankommt, und jede Entscheidung verteidigt, um die Zukunft auf jedem Kilometer des Netzes zu sichern. Erfahren Sie mehr unter aidash.com.
Die PreventionFirst-Bewegung wächst, ebenso wie die Anerkennung dahinter. Im Jahr 2026 nannte Forbes AiDASH zum 4. Mal in Folge eines der besten Startup-Arbeitgeber Amerikas, und TIME zählte AiDASH zum 3. Mal in Folge zu Amerikas Top GreenTech-Unternehmen. Deloitte Technology Fast 500™ stufte AiDASH auf Platz 12 im Großraum San Francisco und auf Platz 59 insgesamt in ihrer Auswahl der Top 500 für 2024 ein.
Schließen Sie sich uns an, um gemeinsam die Zukunft zu sichern!
Die Rolle
Unsere Satelliten- und KI-gestützten Produkte verändern die Art und Weise, wie Versorgungsunternehmen das Stromnetz sehen und schützen, und wir bereiten uns auf aggressives Kundenwachstum in den nächsten zwei Jahren vor. Dieses Wachstum basiert auf KI im großen Maßstab. Wir bauen ein brandneues Data Inference AI Pipeline-Team auf, um dies zu ermöglichen, und suchen einen Staff MLOps Engineer, der das operative Rückgrat von Anfang an mit der ersten Zeile Infrastruktur-Code gestaltet.
Als erster Ingenieur in diesem Team beginnen Sie mit einer leeren Leinwand und einer seltenen Chance, etwas Dauerhaftes zu schaffen. Sie werden gestalten, wie unsere Modelle bereitgestellt werden, wie die Pipeline unter Last skaliert und sich erholt und was der Betrieb kostet. Ebenso wichtig ist, dass Sie die Kultur, die Engineering-Standards und die Arbeitsweisen definieren, die jeder zukünftige Teamkollege übernimmt. Dies ist eine praxisorientierte, hochwirksame Einzelbeitragsrolle: Ihre Entscheidungen werden die Grundlage für das gesamte Team legen, und Sie werden die technische Autorität für MLOps sein, wenn das Team wächst. Sie berichten an den Director of Engineering für das Data Inference AI Pipeline-Team.
Unsere bevorstehende Übernahme durch Schneider Electric wird unsere Mission beschleunigen, da wir unser kombiniertes Angebot unserer gemeinsamen Kundenbasis anbieten, und die von Ihnen erstellte Infrastruktur wird Ergebnisse in noch größerem Umfang ermöglichen.
Was Erfolg in Ihren ersten 6 Monaten ausmacht
Standort: Dies ist eine hybride Rolle mit Sitz in Palo Alto, CA, die 2 Tage pro Woche im Büro erfordert.
- Die Modellbereitstellung ist ein wiederholbarer, automatisierter Prozess für alle Modelle.
- Die Inferenzinfrastruktur hat bewiesen, dass sie unter realer Last reibungslos skaliert.
- Die Kosten pro Inferenz werden gemessen, sind sichtbar und tendieren bei wachsendem Volumen nach unten.
- Ein getesteter Failover- und Disaster-Recovery-Plan für die Inferenzpipeline ist vorhanden, mit mindestens einer durchgeführten Failure-Injection-Übung.
- Data Science kann neue Modelle schnell und unabhängig in Produktion bringen.
Wir sind stolz darauf, ein Arbeitgeber zu sein, der Chancengleichheit fördert. Wir verpflichten uns, Vielfalt und Inklusion in unseren Einstellungspraktiken zu fördern, und wir fördern ein Arbeitsumfeld, in dem jeder, unabhängig von Rasse, Hautfarbe, Religion, Geschlecht, sexueller Orientierung, Geschlechtsidentität oder nationaler Herkunft, seine beste Arbeit leisten kann.
Wir bieten für diese Vollzeitstelle eine wettbewerbsfähige jährliche Gehaltsspanne von 230.000 bis 270.000 US-Dollar an, die ein Grundgehalt und eine leistungsabhängige Bonuszahlung beinhaltet. Diese Spanne spiegelt die erwartete jährliche Gehaltsspanne (Grundgehalt + Bonus) für neue Mitarbeiter wider. Wir bemühen uns, sicherzustellen, dass unsere Vergütungspakete fair und an Industriestandards ausgerichtet sind. Ihr Recruiter kann Ihnen während des Einstellungsprozesses weitere Informationen zur Vergütung geben.
Wir sind bestrebt, allen Kandidaten ein inklusives und zugängliches Interviewerlebnis zu bieten. Bitte teilen Sie uns mit, wenn Sie während des Interviewprozesses eine Unterkunft benötigen, und wir werden uns bemühen, Ihre Bedürfnisse zu erfüllen.
Lesen Sie unsere Datenschutzrichtlinie hier: aidash.com/policy/privacy-policy/
So leisten Sie einen Beitrag
Bereitstellung
- Verantwortung für die End-to-End-Pipeline für die Modellbereitstellung: Verpackung, Versionierung, Rollout und Rollback von ML-Modellen, die vom Training in die Produktion übergehen.
- Aufbau und Wartung der Bereitstellungsinfrastruktur auf SageMaker (Endpunkte, Batch-Transformation, Multi-Model/Multi-Container-Hosting) und Bewertung, wo Alternativen wie selbst gehostetes Serving oder andere verwaltete Optionen besser geeignet sind.
- Festlegung des CI/CD-Musters für Modell-Releases, einschließlich automatisierter Tests, gestaffelter Rollouts und Canary/Shadow-Deployments.
Skalierbarkeit & Elastizität
- Entwurf einer Inferenzinfrastruktur, die sich nahtlos an die Echtzeit- und Batch-Nachfrage anpasst.
- Korrekte Dimensionierung der Rechenleistung (CPU/GPU/Inferentia oder Äquivalent) für jedes Modell und jede Workload, um Latenz und Kosten auszugleichen.
- Lasttests der Pipeline und Erstellung von Kapazitätsplänen, die den Meilensteinen des Kundenwachstums voraus sind.
Kosten
- Verantwortung für die Metrik Kosten pro Inferenz: Instrumentierung, Berichterstattung und Senkung bei steigendem Volumen.
- Einbeziehung von Kostenbewusstsein in Architektur-Entscheidungen, einschließlich Autoskalierungsrichtlinien, Mix aus Spot-/On-Demand-Instanzen und Kompromissen zwischen Modellgröße/Quantisierung.
Ausfallsicherheit & Resilienz
- Entwurf für schrittweise Degradation und Failover über Regionen und Verfügbarkeitszonen hinweg für die Inferenzbereitstellung.
- Definition und Test von Disaster-Recovery-Verfahren sowie Durchführung regelmäßiger Failure-Injection- und Chaos-Übungen.
- Aufbau von Monitoring, Alarmierung und On-Call-Runbooks für die Modell-Serving-Infrastruktur, die Drift, Latenz-SLOs, Fehlerraten und Infrastrukturzustand abdecken.
Teamübergreifende Führung
- Zusammenarbeit mit Data Science, um neue Modelle auf einer Plattform in Produktion zu bringen, die für ihre Unterstützung ausgelegt ist.
- Zusammenarbeit mit dem Web Application Team, wo Inferenz-Ergebnisse kundenorientierte Funktionen antreiben, um Erwartungen an Latenz und Zuverlässigkeit abzustimmen.
- Als technische Autorität für MLOps-Praktiken fungieren, während das Data Inference AI Pipeline-Team wächst.
Was wir suchen
Mindestanforderungen
- 7-10+ Jahre Erfahrung in Software-/ML-Engineering, davon 3+ Jahre speziell im Bereich MLOps oder ML-Infrastruktur.
- Praktische Produktionserfahrung mit AWS SageMaker (oder einer gleichwertigen verwalteten ML-Plattform) für Modellbereitstellung und -serving.
- Nachweisliche Erfolgsbilanz bei der Gestaltung von Systemen für Elastizität/Autoskalierung, Kostenoptimierung und Failover/Resilienz im Produktionsmaßstab.
- Umfassende Expertise in Containerisierung und Orchestrierung (Docker, Kubernetes) und in CI/CD, die für ML-Workloads entwickelt wurden, einschließlich Modellversionierung sowie automatisierter Tests und Rollouts.
- Erfahrung in der Instrumentierung und Verantwortung für Kosten- und Leistungsmetriken der von Ihnen verantworteten Infrastruktur.
- Die Fähigkeit, als Staff-Level IC die technische Richtung vorzugeben und Akzeptanz bei Data Science und anderen Engineering-Teams zu schaffen.
- Hohe Eigenverantwortung, geringes Ego und kooperativer Geist, mit einer Leidenschaft für den Aufbau von Plattformen, die anderen helfen, schneller zu liefern.
Bevorzugte Qualifikationen
- Erfahrung mit großen Bild-, Video- oder 3D-Sensor- und Punktwolkendaten-Pipelines oder anderen hochvolumigen unstrukturierten Daten im großen Maßstab.
- Erfahrung mit multimodalen Daten (Bilder, Sensoren/Zeitreihen, Geodaten) über rein textuelle oder tabellarische Daten hinaus.
- Erfahrung im Aufbau von MLOps-Praktiken von Grund auf in einem neuen Team.
- Vertrautheit mit Tools zur Modellüberwachung und Drift-Erkennung sowie Techniken zur Kostenoptimierung von GPUs (Quantisierung, Batching, Inferentia/Trainium oder Äquivalent).
- Hintergrund in einem regulierten oder unternehmensweiten B2B-Bereich wie Energieversorgung, Energie, Infrastruktur, Gesundheitswesen oder Finanzen.
- Relevante AWS/Kubernetes-Zertifizierungen oder Beiträge zu Open-Source-MLOps-Tools.
Was Sie lieben werden
- Umfassende medizinische, zahnärztliche und augenärztliche Versorgung: 100% Abdeckung für Mitarbeiter und 80% für ihre Ehepartner und Kinder.
- Health Reimbursement Account (HRA): 100% von AiDASH finanziert, um Selbstbehalte für medizinische Kosten zu decken.
- 401(k) Plan: Beginnen Sie nach zwei Monaten Anstellung mit Beiträgen zur Vorbereitung auf Ihre Zukunft. Derzeit wird keine Unternehmensbeteiligung angeboten.
- Elternurlaub: Unterstützender Elternurlaub mit 16 Wochen für primäre Betreuer und 4 Wochen für sekundäre Betreuer.
- Großzügige Urlaubsregelung: Sammeln Sie 20 Urlaubstage pro Jahr und genießen Sie zusätzlich einen Flex-Feiertag, um zu feiern, was Ihnen am wichtigsten ist.
- Winterpause: Vom 25. Dezember bis zum 1. Januar geben wir allen eine Auszeit, um sich zu erholen und Zeit mit Familie und Freunden zu genießen!
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen