NVIDIA فناوری‌های رایانش شتاب‌یافته و هوش مصنوعی را برای استفاده در حوزه‌هایی مانند بازی، مراکز داده، رایانش ابری، مراقبت‌های بهداشتی، تولید، خودروسازی و رباتیک توسعه می‌دهد. فعالیت‌های این شرکت حوزه‌هایی مانند واحدهای پردازش گرافیکی، پلتفرم‌های هوش مصنوعی، شبیه‌سازی و راهکارهای تخصصی صنایع را دربرمی‌گیرد. از جمله این راهکارها می‌توان به NVIDIA Omniverse برای گردش‌کارهای سه‌بعدی مشارکتی، NVIDIA DRIVE برای توسعه خودروهای خودران و NVIDIA Clara برای کاربردهای حوزه سلامت اشاره کرد. این شرکت تیم‌های فنی بزرگی را گرد هم می‌آورد که روی زیرساخت و نرم‌افزار پشتیبان رایانش پیشرفته، شبیه‌سازی و تحلیل‌های مبتنی بر هوش مصنوعی کار می‌کنند.
معمار ارشد، عملکرد مدل کدنویسی و پس‌آموزش در NVIDIA (دورکار، آمریکا)
رهبری ارزیابی عملکرد و پس‌آموزش مدل‌های هوش مصنوعی NVIDIA برای تولید کد و مهندسی نرم‌افزار را بر عهده بگیرید. معیارهای ارزیابی، راهبردهای پاداش و زیرساخت آموزش مقیاس‌پذیر توسعه دهید.
ایالات متحده
کالیفرنیا
کلرادو$۲۲۴٬۰۰۰ – $۴۳۱٬۲۵۰ / سال
دورکاریتمام‌وقتارشدزبان مورد نیاز: انگلیسیمعمارتوضیحات
- چارچوب‌هایی برای ارزیابی مدل‌های کدنویسی در تولید کد، اشکال‌زدایی، تکمیل کد، استدلال درباره مخزن کد و وظایف چندمرحله‌ای مهندسی نرم‌افزار ایجاد کنید.
- با استفاده از تنظیم دقیق نظارت‌شده، بهینه‌سازی ترجیحات، یادگیری تقویتی و مدل‌سازی پاداش مبتنی بر نتیجه یا فرایند، خط لوله‌های پس‌آموزش را توسعه دهید و بهینه کنید.
- نتایج معیارهای ارزیابی، پویایی آموزش، الگوهای شکست و رفتار مدل را تحلیل کنید تا فرصت‌های بهبود را شناسایی کنید.
- با آموزش هدفمند، طراحی پاداش، تدوین برنامه آموزشی و تحلیل تکرارشونده خطا، عملکرد را در وظایف پیچیده کدنویسی بهبود دهید.
- زیرساختی مقیاس‌پذیر و بازتولیدپذیر برای آزمایش‌های آموزش، خط لوله‌های ارزیابی و تحلیل عملکرد بسازید.
- برای تبدیل بینش‌های حاصل از مدل به قابلیت‌های آماده تولید، با دانشمندان پژوهشی، مهندسان زیرساخت و تیم‌های محصول همکاری کنید.
شرایط لازم
- مدرک کارشناسی در علوم کامپیوتر یا هوش مصنوعی، یا تجربه‌ای معادل آن.
- دست‌کم ۱۲ سال سابقه کاری مرتبط.
- مهارت قوی در برنامه‌نویسی Python.
- دانش قوی از مدل‌های زبانی بزرگ، معماری‌های ترنسفورمر و آموزش و ارزیابی مدل‌های مولد.
- دانش پایه از الگوریتم‌ها و پیاده‌سازی یادگیری تقویتی، از جمله MDPها، سیاست‌ها و طراحی پاداش.
- دانش عمیق از مبانی مهندسی نرم‌افزار، تولید کد، آزمون خودکار و صحت برنامه.
- سابقه اثبات‌شده در رهبری چرخه‌های توسعه مدل، از جمله نسخه‌بندی مجموعه‌داده، پیگیری آزمایش‌ها و خط لوله‌های ارزیابی.
- تجربه آموزش یا پس‌آموزش مدل‌های پیشرفته کدنویسی یا مدل‌های عامل‌های مهندسی نرم‌افزار.
- تجربه با پاداش‌های مبتنی بر اجرا و قابل‌راستی‌آزمایی، کاهش سوءاستفاده از پاداش و ارزیابی خودکار کد.
- آشنایی با معیارهای ارزیابی کدنویسی و محیط‌هایی مانند SWE-bench.
مزایا
- حقوق رقابتی.
- بسته جامع مزایا.
- سهام.
- مزایا برای کارکنان و خانواده‌هایشان.