Graduate Software Engineer, AI/ ML Test Systems 2027

Standort: Bristol, UK

Startdatum: September 2027

Bewerbungsfrist: Mitternacht, 29. November 2026

Wir empfehlen Ihnen, sich frühzeitig zu bewerben, da wir das Bewerbungsverfahren möglicherweise vor dem angegebenen Datum schließen.

Wir heißen Menschen mit unterschiedlichsten Hintergründen und Erfahrungen willkommen und setzen uns für ein integratives Umfeld ein, in dem jeder sein Bestes geben kann.

Wir sind ein Arbeitgeber, der Chancengleichheit fördert, und wissen, dass jeder unterschiedliche Stärken und Perspektiven einbringt. Wenn Sie während des Bewerbungsprozesses Unterstützung benötigen, lassen Sie es uns einfach wissen – wir helfen Ihnen gerne weiter.

Um sich zu bewerben, beantworten Sie bitte die unten stehenden Fragen und laden Sie Ihren Lebenslauf sowie Ihr Anschreiben hoch. Wir werden Sie bis spätestens Anfang Dezember über das Ergebnis Ihrer Bewerbung informieren. Bei Erfolg werden Sie zu einem technischen Assessment eingeladen. Kandidaten, die die letzte Stufe erreichen, werden zu persönlichen Assessments im frühen Frühjahr eingeladen.

Sind Sie bereit, Ihr Wissen in die Praxis umzusetzen? Starten Sie Ihre Karriere in einer unbefristeten Software-Engineer-Position im Bereich AI/ML Test Systems mit zwei Jahren praxisorientiertem Lernen im Rahmen des Graphcore Graduate Programme. Bewerben Sie sich jetzt und gestalten Sie die Zukunft mit.

Starten Sie Ihre Karriere bei Graphcore in einer unbefristeten Position mit einem zweijährigen, praxisorientierten Lernprogramm. Vom ersten Tag an schenken wir Ihnen Vertrauen, damit Sie Verantwortung übernehmen, Ihre Ideen einbringen und die Zukunft unserer Produkte mitgestalten können. Sie werden anspruchsvolle Probleme gemeinsam mit einem Team lösen, das Ihre Entwicklung fördert und sich genauso sehr auf Ihren Erfolg freut wie Sie selbst.

Ihr Team und Ihre Unterstützung

Das Software QA-Team kombiniert Softwareentwicklung, Automatisierung und Datenanalyse, um die Produktqualität und das Kundenerlebnis zu verbessern. Wir arbeiten intensiv mit branchenüblichen machine learning-Frameworks und -Modellen und leisten Beiträge zu Open-Source-Projekten.

Unser Team arbeitet in kleinen Squads, von denen jede für einen bestimmten Bereich der Softwarequalität verantwortlich ist. Als Graduate haben Sie die Möglichkeit, die Vielfalt unserer Arbeit zu erkunden, praktische Erfahrungen in verschiedenen Bereichen zu sammeln und herauszufinden, was Sie am meisten interessiert, bevor Sie sich für ein festes Squad entscheiden.

Sie arbeiten mit Ingenieuren zusammen, die Probleme untersuchen, Erkenntnisse teilen und eng mit den Entwicklungsteams kooperieren, um Qualität, Sicherheit und Wartbarkeit zu verbessern. Testergebnisse, Performancedaten und die Anforderungen der gesamten Softwareorganisation leiten unsere Entscheidungen.

Sie erhalten einen Buddy, der Ihnen bei der Einarbeitung hilft, sowie einen Manager, der Ihre Entwicklung unterstützt, Ihre Karriereziele mit Ihnen bespricht und Zeit für Ihre Weiterbildung einplant. Sie werden dazu ermutigt, Fragen zu stellen, bestehende Ansätze zu hinterfragen und Eigeninitiative zu zeigen. Erfahrene Kollegen stehen Ihnen dabei zur Seite, damit Sie Sicherheit gewinnen und Verantwortung für Ihre Arbeit übernehmen können.

Lernen und Weiterentwicklung

Während des zweijährigen Programms sammeln Sie praktische Erfahrungen in den Bereichen machine learning, Testen, Automatisierung und Performance-Analyse.

Durch das Erstellen von Workloads und das Analysieren der Ergebnisse lernen Sie, wie sich Software auf Accelerator-Hardware verhält. Die Fehlersuche (Debugging) schult Ihre Problemlösungsfähigkeiten und hilft Ihnen dabei, den Zusammenhang zwischen numerischer Genauigkeit, Performance und den Systemen, auf denen ein Modell läuft, zu verstehen.

Die Arbeit an der Testinfrastruktur und CI/CD zeigt Ihnen, wie automatisierte Prüfungen die Softwareentwicklung auf simulierten und physischen Plattformen unterstützen. Indem Sie Ihre Ergebnisse mit den Entwicklungsteams teilen, lernen Sie, technische Probleme klar zu kommunizieren und Erkenntnisse in konkrete Verbesserungen umzusetzen.

Setzen Sie Ihre Softwarekenntnisse ein, um zu testen, wie KI- und machine learning-Workloads auf der Accelerator-Hardware von Graphcore ausgeführt werden.

Als Graduate Software Engineer im Bereich AI/ML Test Systems erstellen Sie repräsentative machine learning-Workloads und analysieren deren numerische Genauigkeit sowie Performance. Sie entwerfen Tests und tragen zur Verbesserung der Teststrategien und der Infrastruktur für simulierte und physische Hardware bei.

Darüber hinaus bauen Sie CI/CD-Pipelines auf, untersuchen komplexe Probleme und setzen Ihre Erkenntnisse in messbare Verbesserungen um. Ihre Arbeit verbindet machine learning-Frameworks und -Modelle mit der zugrunde liegenden Hardware und trägt so dazu bei, die Softwarequalität und das Kundenerlebnis zu steigern.

Sponsorship

Bewerber müssen bereits über eine uneingeschränkte Arbeitserlaubnis für das Vereinigte Königreich für die gesamte Dauer des Programms verfügen, ohne dass ein Visum-Sponsorship erforderlich ist. Wir können für unsere Early-Careers-Programme keine Arbeitsvisa sponsern.

• Flexibles Arbeiten: Bringen Sie Beruf und Privatleben mit mehr Flexibilität in Einklang

• Unterstützung bei der Altersvorsorge: Bis zu 5% Arbeitgeberzuschuss zur betrieblichen Altersvorsorge

• Phantom Equity: Beteiligen Sie sich am Erfolg von Graphcore

• Arbeitsumgebung: Genießen Sie durchdacht gestaltete Büroräume für die Zusammenarbeit, inklusive kostenlosem Essen und einem Barista vor Ort

• Absicherung: Berufsunfähigkeits- und Lebensversicherung für Ihre finanzielle Sicherheit und die Ihrer Angehörigen

• Elektrofahrzeug-Programm: Wählen Sie ein Elektrofahrzeug und leasen Sie es über eine Gehaltsumwandlung

• Flexible Benefits: Gestalten Sie Ihr Leistungspaket individuell mit einer Auswahl an Optionen, einschließlich privater Kranken- und Zahnzusatzversicherung

• Optionale Leistungen: Zahnzusatzversicherung, Gesundheitszuschuss, private Krankenversicherung, Jobrad-Programm, Spenden über die Gehaltsabrechnung