Hybrid LLM Deployment Engineer | Scale & Cost Optimisation

Hybrid LLM Deployment Engineer | Scale & Cost Optimisation

Barcelona Full Time 70000 € / año Híbrido
DeepRec.ai

De un vistazo

  • Tareas: Despliega y monitoriza LLMs para clientes empresariales en un entorno innovador.
  • Empresa: Escalador tecnológico líder en Barcelona con un enfoque en IA y cuántica.
  • Beneficios: Horarios flexibles, trabajo híbrido y bonificaciones sobre el salario base.
  • Otra información: Ambiente dinámico con oportunidades de crecimiento profesional.
  • Por qué este empleo: Gana experiencia práctica en despliegue de IA a gran escala y colabora con expertos.
  • Cualificaciones: Experiencia en producción de LLMs y conocimientos de infraestructura en la nube.

A leading deep-tech scale-up in Barcelona seeks an engineer to deploy and monitor LLMs for enterprise clients.

This role offers hands-on experience with large-scale AI deployment while working with quantum and AI experts.

The ideal candidate has experience running LLMs in production and knowledge of cloud infrastructure, CI/CD, and Kubernetes.

Benefits include flexible working hours, a hybrid setup, and bonuses on top of the base salary.

Hybrid LLM Deployment Engineer | Scale & Cost Optimisation empresa: DeepRec.ai

Esta startup ambiciosa y respaldada por inversores ofrece un entorno dinámico donde podrás dar forma a la estrategia de IA desde el principio. Con altos niveles de autonomía y la oportunidad de trabajar directamente con los fundadores, tendrás la libertad de investigar y experimentar con tecnologías de IA de vanguardia, mientras construyes sistemas que resuelven problemas reales y complejos. Aquí, tu trabajo tendrá un impacto inmediato en un equipo pequeño y de alto rendimiento, ideal para quienes buscan un desafío técnico significativo.

DeepRec.ai

Datos de contacto:

Equipo de selección de DeepRec.ai

Consejo de los expertos de StudySmarter🤫

Creemos que así podrías conseguir Hybrid LLM Deployment Engineer | Scale & Cost Optimisation

✨Conéctate con la comunidad tech

Asistir a meetups y conferencias de software en tu área es una gran manera de conocer a la gente clave en la industria. Compartir tus intereses y proyectos en estos eventos puede abrirte puertas inesperadas.

✨Aprovecha las plataformas de código abierto

Contribuir a proyectos de código abierto no solo demuestra tus habilidades técnicas, sino que también te ayuda a hacer contactos valiosos. Además, ¡es una excelente forma de mostrar tu trabajo a futuros empleadores como DeepRec.ai!

✨Política de puertas abiertas

No dudes en hacer ‘walk-ins’ en empresas tech locales. Lleva tu CV y una sonrisa, ¡nunca sabes quién puede estar buscando talento nuevo como el tuyo!

✨Aplica directamente en DeepRec.ai

Si encuentras una oportunidad que te emociona, como un puesto de Hybrid LLM Deployment Engineer | Scale & Cost Optimisation, no esperes. Aplica a través de nuestra web y asegúrate de destacar tus proyectos y contribuciones, ¡eso puede marcar la diferencia!

Creemos que necesitas estas habilidades para triunfar como Hybrid LLM Deployment Engineer | Scale & Cost Optimisation

Despliegue de LLMs
Monitoreo de LLMs
Infraestructura en la nube
CI/CD
Kubernetes
Experiencia en producción
Optimización de costos

Algunos consejos para tu solicitud 🫡

Destaca tus proyectos personales:En ingeniería y desarrollo de software, es fundamental mostrar que no solo sabes hacer lo que se te pide, sino que también eres proactivo. Incluye un enlace a tu GitHub o proyectos personales en tu CV para que podamos ver de lo que eres capaz. Esto realmente añade un plus a tu aplicación.

Personaliza tu CV con tus habilidades técnicas:Asegúrate de destacar las habilidades técnicas que son relevantes para el puesto de Hybrid LLM Deployment Engineer | Scale & Cost Optimisation en DeepRec.ai. ¿Conoces lenguajes de programación específicos, frameworks o herramientas que usamos? Menciónalos y, si tienes certificaciones, ¡añádelas! Esto nos muestra que estás preparado para el trabajo desde el primer día.

Carta de motivación sincera:Como estás aplicando a un puesto a tiempo completo, aprovecha la carta de motivación para contarnos por qué eres un buen fit para DeepRec.ai. Cuéntanos sobre tu pasión por la tecnología y cómo quieres contribuir al equipo. Queremos saber más sobre tu enfoque y cómo te ves creciendo con nosotros.

Formato claro y conciso:En el mundo del software, la claridad y la concisión son clave. Asegúrate de que tu CV y carta de motivación sean fáciles de leer y bien estructurados. Usa viñetas para resaltar logros y habilidades, y no te olvides de revisar el formato para que se vea profesional, ¡aunque no tienes que ser excesivamente formal!

Cómo prepararte para una entrevista de trabajo en DeepRec.ai

✨Prepárate para los retos técnicos

En el mundo de la ingeniería y desarrollo de software, es probable que enfrentes preguntas técnicas y ejercicios de codificación en tu entrevista. Asegúrate de practicar algoritmos y estructuras de datos, porque los reclutadores en DeepRec.ai querrán ver cómo resuelves problemas en tiempo real.

✨Muestra tu portafolio de proyectos

Como candidato a un puesto a tiempo completo, es crucial que muestres un portafolio sólido. Presenta tus proyectos anteriores, especialmente aquellos que demuestran habilidades técnicas relevantes y tu capacidad para trabajar en equipo. ¡No dudes en explicar las tecnologías que utilizaste y los desafíos que superaste!

✨Conoce la cultura de trabajo

Investiga a fondo la cultura de trabajo de DeepRec.ai. Como ingeniere, a menudo trabajarás en equipo, por lo que demostrar que puedes integrarte bien y que compartes sus valores es clave. Prepara ejemplos de cómo has colaborado en el pasado para alinearte con lo que ellos buscan.

✨Repasa conceptos clave

Haz una lista de conceptos y herramientas clave que son esenciales en el desarrollo de software, como lenguajes de programación, frameworks, y metodologías ágiles. Esto no solo te ayudará a responder preguntas, sino que también te permitirá hacer preguntas inteligentes que demuestren tu interés en el puesto y en las prácticas de DeepRec.ai.