Membro dello staff tecnico, addestramento dei modelli (infrastruttura e piattaforma)

Titolo del lavoro: Membro dello Staff Tecnico, Addestramento dei Modelli (infrastruttura e piattaforma)

Tipo di lavoro: Tempo pieno

Luogo di lavoro: Remoto

Il ruolo

In questo ruolo, ti occuperai della responsabilità tecnica dei sistemi distribuiti e delle piattaforme che permettono ai ricercatori di addestrare modelli sempre più capaci, eseguire esperimenti su larga scala e distribuire sistemi di AI specializzati in modo efficiente.

Lavorerai su addestramento distribuito, infrastruttura GPU, ottimizzazione dell'inferenza, ambienti di simulazione e framework di esecuzione degli agenti, prendendo decisioni architetturali critiche che influenzano direttamente la velocità della ricerca e le prestazioni dei modelli.

Cosa farai

• Progetta, costruisci e scala un'infrastruttura condivisa per il fine-tuning supervisionato (SFT), il reinforcement learning (RL) e la distillazione on-policy (OPD), a supporto di carichi di lavoro linguistici, multimodali e robotici.
• Progetta pipeline di addestramento ed esecuzione distribuite che coordinano worker GPU, generazione di rollout, inferenza del modello insegnante, calcolo delle ricompense e ambienti di simulazione.
• Sviluppa infrastrutture ad alte prestazioni per l'addestramento e l'inferenza dei modelli, ottimizzando l'utilizzo delle GPU, la gestione della memoria, la comunicazione, lo storage e l'esecuzione distribuita.
• Costruisci ed evolvi l'architettura centrale dell'ecosistema di agenti di micro1, inclusi runtime di esecuzione, interfacce per strumenti, integrazioni di ambienti, registri dei modelli e API di serving.
• Sviluppa sistemi solidi per il tracciamento degli esperimenti, il versionamento di dataset e modelli, il checkpointing, il recupero da guasti e l'osservabilità, per migliorare la riproducibilità della ricerca e l'affidabilità operativa.
• Individua ed elimina i colli di bottiglia infrastrutturali, riducendo i tempi di esecuzione degli esperimenti e permettendo ai ricercatori di eseguire carichi di addestramento sempre più complessi.
• Definisci standard tecnici, interfacce di piattaforma e pattern architetturali che supportino la collaborazione tra i team di ricerca, infrastruttura e ingegneria applicata.
• Guida iniziative ingegneristiche critiche dalla progettazione del sistema fino all'implementazione e alle operazioni in produzione, facendo da mentore agli ingegneri e mantenendo la responsabilità diretta delle componenti tecnicamente più complesse.

Cosa cerchiamo

• Solidi fondamenti di informatica, in particolare in sistemi distribuiti, concorrenza, reti e ingegneria delle prestazioni.
• Ampia esperienza nella progettazione, costruzione e gestione di sistemi backend scalabili o piattaforme di calcolo distribuito.
• Competenza in Python e in almeno un linguaggio orientato ai sistemi, come C++, Rust o Go.
• Esperienza diretta con infrastrutture di machine learning basate su GPU, addestramento distribuito, inferenza dei modelli o orchestrazione di calcolo su larga scala.
• Solida comprensione delle prestazioni di sistema, inclusi utilizzo del calcolo, efficienza della memoria, overhead di comunicazione, scheduling e tolleranza ai guasti.
• Esperienza nella progettazione di API, servizi e componenti infrastrutturali affidabili, a supporto di flussi di lavoro ingegneristici o di ricerca complessi.
• Comprovata responsabilità tecnica, inclusa la capacità di prendere decisioni architetturali, guidare iniziative trasversali e consegnare sistemi da cui altri ingegneri dipendono.
• Capacità di operare efficacemente in ambienti di ricerca in rapido movimento, dove i requisiti evolvono e l'infrastruttura deve supportare una sperimentazione rapida.

Requisiti preferenziali

• Esperienza con framework e tecnologie per il machine learning distribuito, come PyTorch Distributed, DeepSpeed, Ray, Megatron-LM o sistemi simili.
• Familiarità con motori di inferenza GPU e framework di ottimizzazione come vLLM, TensorRT-LLM o tecnologie equivalenti.
• Esperienza nella costruzione di infrastrutture di reinforcement learning, sistemi di orchestrazione dei rollout o ambienti distribuiti di esecuzione degli agenti.
• Conoscenza di CUDA, ottimizzazione dei kernel GPU, NCCL o ingegneria delle prestazioni GPU a basso livello.
• Esperienza con Kubernetes, orchestrazione di container, scheduling dei cluster e infrastrutture GPU in cloud.
• Familiarità con piattaforme di simulazione, infrastrutture robotiche o sistemi di valutazione degli agenti su larga scala.
• Contributi a infrastrutture open source, framework di calcolo distribuito o sistemi di machine learning ad alte prestazioni.

Avviso su retribuzione e benefit

La fascia retributiva nazionale per questa posizione a tempo pieno prevede uno stipendio base da $200,000 a $320,000. Tutti i dipendenti sono idonei a compensi in azioni e possono inoltre ricevere bonus legati alle prestazioni, in base al ruolo e alle politiche aziendali. micro1 offre un pacchetto di benefit completo, che include il rimborso fino al 100% dei premi dell'assicurazione sanitaria, ferie retribuite, un piano 401(K) con contributo aziendale e ulteriori benefit pensati per sostenere un personale ad alte prestazioni e prevalentemente remoto.

micro1 è un datore di lavoro che offre pari opportunità. Tutti i candidati qualificati saranno considerati per l'impiego senza discriminazioni di razza, colore, religione, sesso (inclusi gravidanza, orientamento sessuale o identità di genere), origine nazionale, età, disabilità, informazioni genetiche, status di veterano o qualsiasi altra caratteristica tutelata dalle leggi, regolamenti e ordinanze locali applicabili. Se hai bisogno di assistenza e/o di un ragionevole adattamento durante il processo di candidatura, scrivi a support@micro1.ai.

Il nostro processo di selezione utilizza strumenti di AI per supportare la selezione e la valutazione dei candidati. I nostri strumenti di AI sono progettati per integrare, non sostituire, il processo decisionale umano.