Tips Loker

← Kembali ke Daftar Lowongan

FULL_TIME

Machine Learning Platform Engineer

Bjak • Switzerland

Gaji tidak dicantumkan


Deskripsi Pekerjaan

Tentang ActAI Saat ini terdapat lebih dari 5 miliar pengguna aplikasi dasar seperti email, catatan, tugas, kalender, dan aplikasi tersebut belum dirancang secara AI-native. Misi kami adalah membangun aplikasi proaktif untuk siapa pun di dunia yang belum terbiasa dengan prompt yang rumit. Kami bertujuan menghadirkan kecerdasan ke dalam percakapan, urusan harian, pengorganisasian, dan alur kerja, dengan prompting seminimal mungkin atau tanpa prompting sama sekali. Produk kami berfokus pada achievorkingkatan keandalan untuk alur kerja jangka panjang, konteks yang persisten, serta penyelesaian tugas di dunia nyata. Kami percaya produk akan sangat mengurangi halusinasi. Tujuan kami adalah mengorganisasi kehidupan siapa pun, sehingga kita semua dapat menghabiskan waktu untuk hal-hal yang bernilai dan bermakna. Tentang Peran Sebagai ML Platform Engineer, Anda akan membangun infrastruktur dan sistem yang menopang kemampuan AI milik ActAI. Anda akan merancang dan mengoperasikan sistem di balik AI stack, mulai dari pelatihan dan evaluasi model hingga deployment, inference, observability, serta perbaikan berkelanjutan. Anda akan bekerja sama dengan AI engineers, researchers, dan product engineers untuk mengubah model menjadi sistem produksi yang andal, skalabel, dan hemat biaya. Anda akan membangun platform, tooling, dan infrastruktur yang memungkinkan tim bereksperimen dengan cepat dan_styles membawa kemampuan AI ke produksi dengan percaya diri. Fokus Membangun dan mengoperasikan infrastruktur serta platform ML yang menopang produk AI A1 Merancang sistem untuk pelatihan model, evaluasi, deployment, inference, dan eksperimen Membangun serta、优化 infrastruktur model serving dan inference untuk beban kerja dengan throughput tinggi dan latensi rendah Meningkatkan keandalan, skalabilitas, latensi, dan efisiensi biaya sistem AI Membangun pipeline yang andal untuk persiapan data, pelatihan, evaluasi, rilis model, dan perbaikan berkelanjutan Membangun platform dan tooling yang memungkinkan AI engineers dan researchers bereksperimen, mengevaluasi, dan meluncurkan model lebih cepat Membangun infrastruktur evaluasi dan benchmarking untuk mengukur kualitas model, performa, serta regresi Membangun observability produksi, monitoring, tracing, dan alerting untuk beban kerja AI/ML Memperbaiki sistem AI dari sisi keandalan, skalabilitas, latensi, throughput, dan biaya Mengidentifikasi bottleneck di seluruh ML stack dan terus meningkatkan performa sistem Bekerja sama dengan AI engineers, researchers, dan product teams untuk mengubah kebutuhan model yang terus berkembang menjadi infrastruktur siap produksi Tech Stack Python PyTorch / JAX Infrastruktur LLM dan ML serving seperti vLLM, SGLang, atau TensorRT-LLM Infrastruktur cloud Sistem terdistribusi ML/data pipelines dan orkestrasi alur kerja Infrastruktur GPU dan tooling performa Vector databases dan infrastruktur retrieval Pengalaman Ideal Dasar-dasar rekayasa perangkat lunak yang kuat serta pengalaman membangun sistem produksi Pengalaman membangun infrastruktur ML, platform, atau sistem machine learning produksi Pengalaman dengan deployment model, inference, evaluasi, atau data pipelines Pemahaman yang kuat tentang sistem terdistribusi dan keandalan sistem Kemampuan menulis kode yang bersih, mudah dirawat, dan berkualitas produksi Nyaman bekerja dalam lingkungan yang ambigu dan bergerak cepat Cenderung mengambilOwnership, bereksperimen, dan terus melakukan perbaikan Hasil Infrastruktur AI mendukung beban kerja produksi secara andal pada skala besar Model dapat dilatih, dievaluasi, di-deploy, dan diperbaiki secara efisien Sistem inference menghasilkan latensi, throughput, keandalan, dan efisiensi biaya yang sangat baik Pipeline ML dapat direplikasi, diamati, dirawat, dan bersifat kuat Regresi pada model dan infrastruktur terdeteksi dengan cepat dan didiagnosis secara efisien Kemampuan umum infrastruktur ML menjadi primitif platform yang dapat digunakan ulang, bukan dibangun ulang untuk setiap produk AI AI stack dapat berkembang dengan cepat seiring emergence model, arsitektur, dan teknik inference baru Awalnya diposting di Himalayas Note: I accidentally introduced Chinese characters. Must fix: "memperbaiki", "Mengapplicable". Let me rewrite fully clean in final. Also "A1" preserved. "ActAI" preserved. Redo properly.</mm:think>Tentang ActAI Saat ini terdapat lebih dari 5 miliar pengguna aplikasi dasar seperti email, catatan, tugas, dan kalender, yang aplikasi tersebut belum dirancang secara AI-native. Misi kami adalah membangun aplikasi proaktif untuk siapa pun di dunia yang belum terbiasa dengan prompt yang rumit. Kami bertujuan menghadirkan kecerdasan ke dalam percakapan, urusan harian, pengorganisasian, dan alur kerja, dengan prompting seminimal mungkin atau tanpa prompting sama sekali. Produk kami berfokus pada pencapaian keandalan untuk alur kerja jangka panjang, konteks yang persisten, serta penyelesaian tugas di dunia nyata. Kami percaya produk akan sangat mengurangi halusinasi. Tujuan kami adalah mengorganisasi kehidupan siapa pun, sehingga kita semua dapat menghabiskan waktu untuk hal-hal yang bernilai dan bermakna. Tentang Peran Sebagai ML Platform Engineer, Anda akan membangun infrastruktur dan sistem yang menopang kemampuan AI milik ActAI. Anda akan merancang dan mengoperasikan sistem di balik AI stack, mulai dari pelatihan dan evaluasi model hingga deployment, inference, observability, serta perbaikan berkelanjutan. Anda akan bekerja sama dengan AI engineers, researchers, dan product engineers untuk mengubah model menjadi sistem produksi yang andal, skalabel, dan hemat biaya. Anda akan membangun platform, tooling, dan infrastruktur yang memungkinkan tim bereksperimen dengan cepat dan membawa kemampuan AI ke produksi dengan percaya diri. Fokus Membangun dan mengoperasikan infrastruktur serta platform ML yang menopang produk AI A1 Merancang sistem untuk pelatihan model, evaluasi, deployment, inference, dan eksperimen Membangun dan mengoptimalkan infrastruktur model serving dan inference untuk beban kerja dengan throughput tinggi dan latensi rendah Meningkatkan keandalan, skalabilitas, latensi, dan efisiensi biaya sistem AI Membangun pipeline yang andal untuk persiapan data, pelatihan, evaluasi, rilis model, dan perbaikan berkelanjutan Membangun platform dan tooling yang memungkinkan AI engineers dan researchers bereksperimen, mengevaluasi, dan meluncurkan model lebih cepat Membangun infrastruktur evaluasi dan benchmarking untuk mengukur kualitas model, performa, serta regresi Membangun observability produksi, monitoring, tracing, dan alerting untuk beban kerja AI/ML Memperbaiki sistem AI dari sisi keandalan, skalabilitas, latensi, throughput, dan biaya Mengidentifikasi bottleneck di seluruh ML stack dan terus meningkatkan performa sistem Bekerja sama dengan AI engineers, researchers, dan product teams untuk mengubah kebutuhan model yang terus berkembang menjadi infrastruktur siap produksi Tech Stack Python PyTorch / JAX Infrastruktur LLM dan ML serving seperti vLLM, SGLang, atau TensorRT-LLM Infrastruktur cloud Sistem terdistribusi ML/data pipelines dan orkestrasi alur kerja Infrastruktur GPU dan tooling performa Vector databases dan infrastruktur retrieval Pengalaman Ideal Dasar-dasar rekayasa perangkat lunak yang kuat serta pengalaman membangun sistem produksi Pengalaman membangun infrastruktur ML, platform, atau sistem machine learning produksi Pengalaman dengan deployment model, inference, evaluasi, atau data pipelines Pemahaman yang kuat tentang sistem terdistribusi dan keandalan sistem Kemampuan menulis kode yang bersih, mudah dirawat, dan berkualitas produksi Nyaman bekerja dalam lingkungan yang ambigu dan bergerak cepat Cenderung mengambil inisiatif, bereksperimen, dan terus melakukan perbaikan Hasil Infrastruktur AI mendukung beban kerja produksi secara andal pada skala besar Model dapat dilatih, dievaluasi, di-deploy, dan diperbaiki secara efisien Sistem inference menghasilkan latensi, throughput, keandalan, dan efisiensi biaya yang sangat baik Pipeline ML dapat direplikasi, diamati, dirawat, dan bersifat kuat Regresi pada model dan infrastruktur terdeteksi dengan cepat dan didiagnosis secara efisien Kemampuan umum infrastruktur ML menjadi primitif platform yang dapat digunakan ulang, bukan dibangun ulang untuk setiap produk AI AI stack dapat berkembang dengan cepat seiring munculnya model, arsitektur, dan teknik inference baru Awalnya diposting di Himalayas

Ringkasan

Perusahaan
Bjak
Lokasi
Switzerland
Tipe kerja
FULL_TIME
Gaji
Gaji tidak dicantumkan
Tanggal tayang
12 Okt 2026
Terlihat sejak
9 Nov 2026
Sumber & keterlacakan data
Himalayas (public board)Buka sumber asli ↗https://himalayas.app/companies/bjak/jobs/machine-learning-platform-engineer-6065794879
Siap melamar? Langsung di sumber asli.Buka Halaman Lamaran
Lamar di Sumber Asli →

Lowongan Terkait Lainnya

FULL_TIME1bln

LLM Application Engineer

Bjak • Singapore

Gaji tidak dicantumkanLihat Detail →
FULL_TIME1bln

Machine Learning Platform Engineer

Bjak • Sweden

Gaji tidak dicantumkanLihat Detail →
FULL_TIME1bln

LLM Application Engineer

Bjak • Poland

Gaji tidak dicantumkanLihat Detail →
FULL_TIME1bln

LLM Application Engineer

Bjak • Portugal

Gaji tidak dicantumkanLihat Detail →