Harmattan AI utvecklar autonoma system och programvara för uppdragshantering inom försvarssektorn. Bland kunderna finns väpnade styrkor och industriföretag som använder systemen för ISR, avvärjning av drönare och elektronisk krigföring.
Data Engineer - Foundational
Harmattan AI recrute un Data Engineer au sein de l’équipe Foundational à Paris pour construire des infrastructures de données massives dédiées aux modèles fondamentaux. Le poste couvre les pipelines ETL/ELT vidéo, la synchronisation de données EO/IR, le traitement distribué et l’optimisation des flux vers GPU. Une expérience de 5 à 6 ans ou plus avec Spark, Ray, Beam et des outils de versioning comme DVC est recherchée.
3× större chans till intervju med ett kallt mejl
Visa originalannonsenFakta om Harmattan AI
- Modell
- B2B
- Typ av företag
- Finansierat med riskkapital
- Utvecklingsfas
- Enhörningsföretag
- Huvudkontor
- Paris
- Officiell domän
- harmattan.ai
- Grundat
- 2024 · 2 år
- Offentligt uppgivet antal anställda
- 226 anställda
- Offentligt uppgiven värdering
- 1,4 Md$Källa ↗
- Senaste finansieringsrundan
- Series B · 2026-01-12
- Tillkännagivet belopp
- 200 000 000 $
- Lediga jobb
- 104
Investerare som nämns
Om annonsen
Den fullständiga beskrivningen som publicerats av Harmattan AI.
About us
Harmattan AI is a next-generation defense prime building autonomous and scalable defense systems. Following the close of a $200M Series B, valuing the company at $1.4 billion, we are expanding our teams and capabilities to deliver mission-critical systems to allied forces. Our work is guided by clear values: building technologies with real-world impact, pursuing excellence in everything we do, setting ambitious goals, and taking on the hardest technical challenges. We operate in a demanding environment where rigor, ownership, and execution are expected.
About the role
As a Data Engineer on the Foundational team, you will serve as the "plumber" for deep learning, building the massive, high-performance data infrastructure required to power our foundational models. Based in Paris, you will manage terabytes—and eventually petabytes—of raw, unstructured, and noisy video data (EO and IR). Your mission is to ensure our ML engineers spend their time designing architectures, not waiting for data loaders or wrangling corrupted files.
Responsibilities
Multi-Modal Ingestion Pipeline: Build ETL/ELT pipelines to extract, decode, and store raw Electro-Optical (EO) and Infrared (IR) video from field logs into highly optimised formats like WebDataset, TFRecords, or Parquet.
- Sensor Synchronisation & Alignment: Develop algorithms to programmatically synchronise EO and IR frames temporally and spatially to provide paired inputs for model training.
- High-Throughput Data Loading: Architect storage-to-GPU pipelines to ensure multi-node training clusters maintain >90% GPU utilisation without I/O bottlenecks.
- Distributed Processing: Write and optimise distributed data processing jobs using tools like Apache Spark, Ray, or Apache Beam to process thousands of hours of tactical video logs.
- Data Quality & Versioning: Implement automated quality checks to filter corrupted or blank frames and maintain 100% reproducible training runs through robust versioning and lineage tracking.
- Infrastructure Evaluation: Assess and implement advanced storage solutions (e.g., MinIO, S3 tiering) to manage growing datasets while optimising for cost and latency.
Candidate requirements
Educational Background: A BS or MS in Computer Science, Software Engineering, or Distributed Systems is highly preferred. Deep knowledge of operating systems, networking, and parallel computing is essential.
- Technical Experience: 5-6+ years of experience building and maintaining terabyte-scale pipelines for unstructured data (video, images, or point clouds).
- Performance Optimisation: Proven track record of maximising multi-node GPU utilisation and optimising data loaders for frameworks like PyTorch or JAX.
- Tooling Expertise: Strong command of distributed computing tools (Spark, Ray, Beam) and ML data versioning tools (DVC, Apache Iceberg, or Pachyderm).
- Adaptability & Ownership: A systems-thinker who thrives in a fast-paced startup environment and views messy data as an engineering problem to be solved via automation.
- Commitment: 100% dedication to Harmattan AI’s mission of providing a defensive edge to allied nations through ethical, high-impact technology We look forward to hearing how you can help shape the future of autonomous defense systems at Harmattan AI.
Förkunskapskrav
- Deep knowledge of operating systems, networking, and parallel computing
- Experience building and maintaining terabyte-scale pipelines for unstructured data
- Maximising multi-node GPU utilisation
- Optimising data loaders
- Systems-thinker
- Fast-paced startup environment
Sök jobbet
Hur söker jag?
Annonsen är publicerad på Harmattan AIs webbplats. Öppna originalannonsen ↗ för att skicka in din ansökan. Screeningpass fyller inte i formulär åt dig.
Vem kan du skriva till på Harmattan AI om den här tjänsten?
Starta en kontaktsökning från den här sidan. Screeningpass föreslår upp till tre personer med koppling till tjänsten. Du väljer vem du vill skriva till, sedan söker Screeningpass efter personens e-postadress på jobbet och förbereder ett meddelande. Du läser igenom det och skickar det själv med Gmail. Det finns inte alltid en e-postadress tillgänglig, och du är aldrig garanterad ett svar.
Vad kostar det att hitta en kontakt?
En sökning kostar 1 kredit. Du får tillbaka krediten om sökningen misslyckas. När du skapar konto får du 3 krediter, vilket räcker till 3 sökningar.
Vad används Screeningpass till?
Screeningpass samlar annonser för praktik, lärlingsanställningar och jobb som publicerats av företag. För en annons hittar Screeningpass en person att kontakta på företaget, söker efter personens jobbmejladress och tar fram ett meddelande utifrån ditt CV. Se hur det fungerar i detalj.