Machine Learning Platform Engineer

Bjak·Germanymid

En corto

→Construyes la infrastructura de ML que impulsa aplicaciones de IA proactivas con bajo requerimiento de prompts.
→Trabajas con modelos LLM en producción: entrenamiento, evaluación, despliegue, inferencia y monitoreo con alta escalabilidad y bajo latencia.
→Destacado: Incorporas IA en tareas reales del mundo con persistencia de contexto y alta fiabilidad, reduciendo hallucinaciones.

Nivel de inglés para trabajo técnico y colaboración con equipos internacionales.

Postularme en la empresa ↗Compartir por WhatsApp

✓ Gratis para empezar✓ Corre en tu navegador✓ Primer dossier sin tarjeta✓ Listo en ~1 minuto

En ~1 minuto te damos: quién te entrevista, las preguntas probables con respuestas desde tu CV, y tu CV adaptado a esta vacante. Tu primer dossier es gratis.

Las preguntas que te van a hacer

1. ¿Cómo diseñarías una pipeline de inferencia de LLM con baja latencia y alta disponibilidad usando vLLM?

🔒 +7 preguntas más

Sin tarjeta. Subís tu CV y en ~1 minuto tenés el dossier completo.

🎧¿Llegás a la entrevista? Llevá el copiloto. Nuestra extensión escucha la entrevista en vivo y te muestra anclas de 3-4 palabras desde tu CV y tu preparación — mirás, conectás, hablás. Gratis. Ver la extensión →

💵 USD · Remote · No visa

¿No encontrás lo que buscás? Probá Micro1

Micro1 te ubica directo en empresas de EE. UU. que pagan en USD. Un solo proceso de vetting, múltiples ofertas — sin aplicar en frío.

Que Micro1 te matchee →

📬Vacantes elegidas para TU CV, cada mañana por WhatsApp. Gratis: escribí “vacantes” y el bot te manda tus matches del día. Suscribirme →

¿Qué piden?

✓Experiencia comprobada en sistemas de ML en producción
✓Conocimiento sólido en despliegue y operación de modelos LLM
✓Habilidades en ingeniería de sistemas distribuidos
✓Capacidad para escribir código limpio y mantenible a alto nivel
✓Trabajo efectivo en entornos ambiguos y rápidos
✓Enfoque en propiedad, experimentación y mejora continua

¿No cumplís todo? Es lo normal — tu dossier gratis te dice qué gaps tenés y cómo cubrirlos en la entrevista.

PythonPyTorchJAXvLLMSGLangTensorRT-LLMCloud infrastructureDistributed systemsML/data pipelinesGPU infrastructure

¿A quién escribirle en Bjak?

Tu dossier gratis identifica a las personas que te entrevistarían — con su background, qué valoran y cómo escribirles para destacar antes de aplicar.

About ActAI There are over 5 billion users using basic applications today such email, notes, tasks, calendar and they're not AI-native. Our mission is to build proactive applications for anyone in the world, who are not used to complex prompting. We aim to bring intelligence to conversations, errands, organising and workflows, with minimal to no prompting. Our product focuses on achieving high reliability for long-running workflows, persistent context, and real-world task completion. We believe products will greatly reduce hallucinations. Our objective is to organise anyone's life, allowing us all to spend time on valuable and meaningful things. About the Role As an ML Platform Engineer, you will build the infrastructure and systems that power ActAI's AI capabilities. You will design and operate the systems behind the AI stack, from model training and evaluation to deployment, inference, observability, and continuous improvement. You will work closely with AI engineers, researchers, and product engineers to turn models into reliable, scalable, and cost-efficient production systems. You will build the platforms, tooling, and infrastructure that enable the team to experiment quickly and bring AI capabilities to production with confidence. Tech Stack Python PyTorch / JAX LLM and ML serving infrastructure such as vLLM, SGLang, or TensorRT-LLM Cloud infrastructure Distributed systems ML/data pipelines and workflow orchestration GPU infrastructure and performance tooling Vector databases and retrieval infrastructure Ideal Experience Strong software engineering fundamentals and experience building production systems Experience building ML infrastructure, platforms, or production machine learning systems Experience with model deployment, inference, evaluation, or data pipelines Strong understanding of distributed systems and system reliability Ability to write clean, maintainable, production-quality code Comfortable working in ambiguous, fast-moving environments Bias toward ownership, experimentation, and continuous improvement Outcomes AI infrastructure reliably supports production workloads at scale Models can be trained, evaluated, deployed, and improved efficiently Inference systems deliver strong latency, throughput, reliability, and cost efficiency ML pipelines are reproducible, observable, maintainable, and robust Model and infrastructure regressions are detected quickly and diagnosed efficiently Common ML infrastructure capabilities become reusable platform primitives rather than being rebuilt for every AI product The AI stack can evolve rapidly as new models, architectures, and inference techniques emerge Find Jobs in Germany on Arbeitnow

Más empleos como este

Empleos remotos de AI / ML Engineer

¿Buscando algo parecido?

Dejá tu email y te avisamos cuando salgan vacantes que coincidan con tu perfil.

No apliques sin prepararte

Investigamos quién te entrevista, adaptamos tu CV y te ensayamos en vivo — gratis la primera.