Deepgram

Research Engineer, Machine Learning Systems

DockerKubernetesGo
Automatische Übersetzung. Prüfe das Original.

Über uns

Deepgram ist die führende Plattform, die die aufkommende Billionen-Dollar-Wirtschaft für Voice AI untermauert und Echtzeit-APIs für Speech-to-Text (STT), Text-to-Speech (TTS) und den Aufbau von produktionsreifen Voice Agents in großem Maßstab bereitstellt. Mehr als 200,000 Entwickler und 1,300+ Organisationen entwickeln Voice-Angebote, die „Powered by Deepgram“ sind, darunter Twilio, Cloudflare, Sierra, Decagon, Vapi, Daily, Cresta, Granola und Jack in the Box. Die Voice-Native-Foundation-Modelle von Deepgram werden über Cloud-APIs oder als selbst gehostete und On-Premises-Software mit unübertroffener Genauigkeit, geringer Latenz und Kosteneffizienz abgerufen. Gestützt durch eine kürzlich abgeschlossene Series C-Finanzierungsrunde unter der Leitung führender globaler Investoren und strategischer Partner hat Deepgram über 50,000 Jahre an Audio verarbeitet und mehr als 1 Billionen Wörter transkribiert. Es gibt keine Organisation auf der Welt, die Stimme besser versteht als Deepgram.

Bei Deepgram erwarten wir eine KI-zentrierte Denkweise – die Nutzung und der Komfort mit KI sind keine Optionen, sondern Kernbestandteile unserer Arbeitsweise, unserer Innovationen und unserer Leistungsmessung.

Jedes Teammitglied, das bei Deepgram arbeitet, wird erwartet, dass es fortgeschrittene KI-Tools aktiv nutzt und damit experimentiert und sogar eigene in seine tägliche Arbeit integriert. Wir messen, wie effektiv KI zur Erzielung von Ergebnissen eingesetzt wird, und die konsistente, kreative Nutzung der neuesten KI-Funktionen ist hier der Schlüssel zum Erfolg. Kandidaten sollten sich wohl dabei fühlen, neue Modelle und Modi schnell zu übernehmen, KI in ihre Arbeitsabläufe zu integrieren und kontinuierlich die Grenzen dessen zu erweitern, was diese Technologien leisten können.

Darüber hinaus bewegen wir uns im Tempo der KI. Veränderungen sind rasant, und Sie können erwarten, dass sich Ihre tägliche Arbeit ebenso schnell weiterentwickelt. Dies ist möglicherweise nicht die richtige Rolle für Sie, wenn Sie nicht begeistert davon sind, zu experimentieren, sich anzupassen, schnell zu denken und ständig zu lernen, oder wenn Sie etwas sehr Vorgegebenes mit einem traditionellen 9-zu-5 suchen.

Die Gelegenheit

Sprache ist die natürlichste Modalität für die menschliche Interaktion mit Maschinen. Aktuelle Paradigmen der Sequenzmodellierung, die auf der gemeinsamen Skalierung von Modellen und Daten basieren, können jedoch keine Voice AI liefern, die zu universeller menschlicher Interaktion fähig ist. Die Herausforderungen liegen in grundlegenden Datenproblemen, die durch Audio entstehen: Echtzeit-Audiodaten sind knapp und äußerst vielfältig, sie umfassen eine riesige Bandbreite an Stimmen, Sprechstilen und akustischen Bedingungen. Selbst wenn Milliarden von Stunden Audio zugänglich wären, verursachen ihre inhärente hohe Dimensionalität und die damit verbundenen Rechen- und Speicherkosten das Training und die Bereitstellung im globalen Maßstab unerschwinglich. Wir glauben, dass völlig neue Paradigmen für Audio-KI erforderlich sind, um diese Herausforderungen zu überwinden und Sprachinteraktion für jedermann zugänglich zu machen.

Die Rolle

Deepgram sucht einen hochqualifizierten und vielseitigen Machine Learning Engineer, der unser Forschungsteam verstärkt. Als Mitglied des Forschungspersonals werden Sie mit wissenschaftlichen Forschern zusammenarbeiten, um neuartige Modellierungsideen zu prototypisieren und zu validieren, und sie dann durch robuste Trainingssysteme für Sprachtechnologien, interne Tools und innovative Datenstrategien zu skalieren. Sie werden an der Schnittstelle von machine learning, Dateninfrastruktur und internen Tools arbeiten, um unsere Mission zu unterstützen, erstklassige Spracherkennungs- und Synthesesysteme zu entwickeln. Im Forschungsteam werden Sie neue Technologien und Techniken experimentell erproben und gleichzeitig an produktorientierten Ergebnissen arbeiten, während Sie von Kollegen mit einem breiten Spektrum an Fachkenntnissen in KI und machine learning lernen.

Die Herausforderung

Wir suchen Mitglieder des Forschungspersonals, die:

Wenn Sie sich von diesen Erwartungen eher beflügelt als entmutigt fühlen – wenn Sie bereits fünf Ideen entwickeln, während Sie dies lesen –, könnten Sie der Forscher sein, den wir brauchen. Diese Rolle erfordert Besessenheit von den Problemen, Kreativität im Ansatz und unermüdlichen Antrieb hin zu eleganten, skalierbaren Lösungen. Die technischen Herausforderungen sind immens, aber die potenzielle Wirkung ist transformativ.

Betriebsrhythmus des Unternehmens

Hauptverantwortlichkeiten

  1. Skalierbares Modelltraining: Entwerfen und Verwalten von horizontal skalierbaren Systemen, die den End-to-End-Trainingslebenszyklus für Speech-to-Text (STT) und Text-to-Speech (TTS) Modelle drastisch beschleunigen. Dies umfasst weit mehr als automatisiertes Training: Die Rolle konzentriert sich darauf, die Modellentwicklung durch optimierte Datenaufbereitung und -verwaltung, Hochdurchsatz-Trainingspipelines, verteilte Infrastruktur und automatisierte Evaluierungswerkzeuge deutlich schneller und effizienter zu gestalten.
  1. Tools & Zugänglichkeit: Entwerfen und Implementieren von internen Benutzeroberflächen und Tools, die ML-Systeme und Arbeitsabläufe für nicht-technische Stakeholder im gesamten Unternehmen zugänglich machen. Diese Benutzeroberflächen sollen Transparenz und Flexibilität für intern entwickelte Tools bieten.
  1. Infrastruktur & Tools: Überwachung und Verwaltung von Trainingswerkzeugen, Job-Orchestrierung, Experimentverfolgung und Datenspeicherung.

Es ist uns wichtig, dass Sie Folgendes mitbringen

  1. „Ungelöste“ Probleme als Gelegenheiten betrachten, völlig neue Ansätze zu entwickeln
  1. Das eine kritische Experiment identifizieren können, das eine Idee in Tagen, nicht in Monaten validiert oder verwirft
  1. Die Vision haben, erfolgreiche Proofs-of-Concept um das 100-fache zu skalieren
  1. Besessen davon sind, KI zur Automatisierung und Verstärkung ihrer eigenen Wirkung einzusetzen
  1. Umfangreiche Erfahrung mit der machine learning-Forschungs-Pipeline, insbesondere in STT oder verwandten Sprachdomänen. Dies umfasst das Experimentieren mit und die Bewertung neuer Architekturen und Modellierungsansätze sowie die Implementierung von groß angelegten Trainingssystemen.
  1. Kenntnisse in Orchestrierungs- und Infrastruktur-Tools wie Kubernetes, Docker und Prefect.
  1. Vertrautheit mit ML-Lifecycle-Tools wie MLflow.
  1. Erfahrung im Aufbau interner Tools oder Dashboards für nicht-technische Benutzer.
  1. Praktische Erfahrung mit Data-Engineering-Praktiken für unstrukturierte Audio- und Textdaten.
  1. Komfort bei der Arbeit in funktionsübergreifenden Teams, die Forscher, Ingenieure und Produkt-Stakeholder umfassen.

Warum zu Deepgram wechseln?

Bei Deepgram helfen Sie, die Zukunft der Mensch-Maschine-Kommunikation zu gestalten. Unsere Forschungskultur priorisiert Eigenverantwortung, Experimentierfreude und reale Auswirkungen. Als Mitglied des Forschungspersonals werden Sie befähigt, Tools und Systeme zu entwickeln, die die ML-Forschung und Produktbereitstellung in großem Maßstab beschleunigen.

Hinweis: Wir sind uns bewusst, dass Personen sich als Deepgram-Recruiter ausgeben. Jegliche legitime Deepgram-Recruiting-Kommunikation erfolgt von einer E-Mail-Adresse mit der Endung @deepgram.com. Wenn Sie eine Nachricht erhalten haben, die angeblich von Deepgram stammt, leiten Sie diese bitte an [email protected] weiter.

Mehr Möglichkeiten mit einem Profil

Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.

Profil erstellen

Dein nächster Jobsucht schon nach dir.

Nort

Reverse-Recruiting- Plattform für Entwickler

RechtlichesNutzungsbedingungenDatenschutznortjobs © 2026