Valarian
Valarian
Valarian utvikler infrastruktur for datasuverenitet og sikkerhet for kommersielle virksomheter og offentlige institusjoner. Plattformen er utformet for organisasjoner innen forsvar, helsevesen og andre regulerte sektorer som trenger å beskytte sensitiv informasjon og samtidig oppfylle lokale krav. Valarian fokuserer på datalokalisering, detaljert tilgangsstyring, sporbarhet og motstandsdyktighet mot cybertrusler, nettverksforstyrrelser, datainnbrudd og geopolitisk risiko. Selskapet hjelper organisasjoner som opererer på tvers av landegrenser, med å beholde kontrollen over dataene sine uten å begrense evnen til å innovere og konkurrere internasjonalt.

Senior MLOps-ingeniør hos Valarian

Drift LLM-applikasjoner i produksjon og infrastruktur for agentisk AI hos Valarian, et sikkerhetsteknologiselskap med løsninger for både sivile og militære formål. Ha ansvar for Kubernetes-utrullinger, observerbarhet, datapipelines og tjenestenes pålitelighet.

Beskrivelse

  • Ha ansvar for utrulling, overvåking, orkestrering og pålitelighet for LLM-applikasjoner i produksjon og en plattform for agentisk AI.
  • Utform og drift LLM-tjenester, agentiske applikasjoner og tilhørende AI-arbeidslaster på Kubernetes-klynger med høy gjennomstrømning.
  • Automatiser containerutrullinger, skalerbare inferense endepunkter og blue-green- eller canary-releaser gjennom CI/CD-pipelines.
  • Vedlikehold agentiske AI-arbeidsflyter i produksjon, inkludert verktøykjøring i flere trinn, tilstandshåndtering og koordinering mellom agenter.
  • Undersøk og løs problemer på tvers av AI-applikasjonslogikk, orkestreringsrammeverk, eksterne API-er og skyinfrastruktur.
  • Utvikle overvåkings- og evalueringssystemer for nøyaktighet i utdata, drift, latens, kostnader og hallusinasjonsmålinger.
  • Legg til sporbarhet på detaljnivå i agentenes kjøringsforløp, inkludert prompt(er), svar, verktøykall og enkelttrinn.
  • Overvåk og forbedre datapipelines i sanntid og batch, feature stores, vektorindekser og oppdateringer av embeddings.
  • Administrer GPU- og CPU-ressurser, minne, autoskalering og skykostnader for å forbedre tiden til første token og gjennomstrømningen.

Krav

  • Minst tre års erfaring med MLOps, LLMOps, plattformteknikk, AI-infrastruktur eller SRE med fokus på arbeidslaster for maskinlæring.
  • Praktisk erfaring med å rulle ut og drifte komplekse containeriserte applikasjoner i stor skala på Kubernetes, for eksempel EKS, GKE, AKS eller bare metal.
  • Gode Python-ferdigheter innen backendautomatisering, systemfeilsøking, spesialverktøy og integrasjoner.
  • Erfaring med overvåkings- og loggingsverktøy som Prometheus, Grafana, Datadog eller OpenTelemetry, samt plattformer for LLM-sporing og evaluering som LangSmith, Phoenix/Arize, Langfuse eller TruLens.
  • Kjennskap til moderne CI/CD-systemer som GitHub Actions, GitLab CI eller ArgoCD, og verktøy for infrastruktur som kode, som Terraform eller Pulumi.
  • God operasjonell forståelse av agentiske arkitekturer, promptkjeding, funksjonskall og verktøykjøring, samt ikke-deterministisk applikasjonsatferd.
  • Praktisk erfaring med å kjøre RAG-pipelines (Retrieval-Augmented Generation) og produksjonsklare vektordatabaser er en fordel.
  • Praktisk kjennskap til rammeverk for agentutvikling og orkestrering er en fordel.
  • Erfaring med høyytelses LLM-serveringsmotorer og rammeverk er en fordel.
  • Forståelse av sikkerhetspraksis for AI, hastighetsbegrensninger og kostnadskontroller er en fordel.

Fordeler

  • Eierandeler.
  • Konkurransedyktig lønn.
  • Pensjonsinnskudd fra arbeidsgiver.
  • Privat helseforsikring.
  • Hybrid arbeidsordning.
  • Treningssenter medlemskap.
  • Firmaretreats og samlinger som legger til rette for balanse mellom arbeid og fritid.

Relaterte jobber

Faculty

Senior Machine Learning Engineer hos Faculty (hybrid, Storbritannia)

Faculty

Led arkitekturen og leveransen av produksjonsklare, ansvarlige maskinlæringssystemer for Facultys kunder innen ren energi og bærekraft. Rådgiv kunder, veiled utrulling og mentorér ingeniører.

Åpne