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.
مدیر روابط با توسعه‌دهندگان NVIDIA – پژوهش هوش مصنوعی بنیادی (دورکار، کالیفرنیا)
رهبری تعاملات فنی با پژوهشگران دانشگاهی را بر عهده بگیرید که مدل‌های بنیادی و سامانه‌های هوش مصنوعی را پیش می‌برند. پژوهش‌های پیشرو در آموزش، استنتاج و رایانش مقیاس‌پذیر را به پلتفرم‌ها و برنامه‌های توسعه‌دهندگان NVIDIA متصل کنید.
ایالات متحده
کالیفرنیا$۱۵۲٬۰۰۰ – $۲۴۱٬۵۰۰ / سال
دورکاریتمام‌وقتسطح متوسطارشدزبان مورد نیاز: انگلیسیروابط با توسعهدهندگانتوضیحات
- به آزمایشگاه‌های دانشگاهی پیشرو در زمینه مدل‌های بنیادی، مدل‌های زبانی بزرگ، هوش مصنوعی چندوجهی، استدلال، آموزش، استنتاج و سامانه‌های هوش مصنوعی مشاوره دهید.
- بارهای کاری پژوهشی باارزش را شناسایی کنید که در آن‌ها نرم‌افزار، سامانه‌ها و رایانش شتاب‌یافته NVIDIA می‌توانند عملکرد، مقیاس‌پذیری و بهره‌وری مدل را بهبود دهند.
- با پژوهشگران اصلی، پژوهشگران پسادکتری، دانشجویان تحصیلات تکمیلی و رهبران آزمایشگاه‌ها همکاری کنید تا اولویت‌های پژوهشی، موانع فنی، نیازهای زیرساختی و فرصت‌های همکاری را درک کنید.
- تحولات پیشرو در هوش مصنوعی را در مقالات پژوهشی، معیارها، پروژه‌های متن‌باز و آزمایشگاه‌های دانشگاهی دنبال کنید تا روندهای نوظهور و فرصت‌های پلتفرمی را کشف کنید.
- با مدیران حساب پژوهشی، معماران راهکار، تیم‌های محصول، مهندسی و توسعه کسب‌وکار همکاری کنید تا پذیرش میان پژوهشگران را افزایش داده و روابط ماندگار ایجاد کنید.
- بازخورد دانشگاهی را به ورودی عملی برای نقشه‌راه‌های محصول، ابتکارهای توسعه‌دهندگان، برنامه‌های آموزشی و راهبرد پلتفرم تبدیل کنید.
- از طریق محتوای فنی، کارگاه‌ها، همکاری‌های دانشگاهی و برنامه‌های آزمایشگاه‌های پژوهشی، نماینده NVIDIA در مجامع برجسته پژوهش هوش مصنوعی، یادگیری ماشین و سامانه‌ها باشید.
شرایط لازم
- مدرک PhD در علوم کامپیوتر، هوش مصنوعی، یادگیری ماشین، ریاضیات کاربردی، مهندسی برق یا رشته فنی مرتبط، یا تجربه پژوهشی معادل.
- حداقل پنج سال سابقه در صنعت فناوری در حوزه‌های مهندسی نرم‌افزار، روابط با توسعه‌دهندگان، مشارکت‌های فنی، معماری راهکار یا مدیریت محصول، شامل حداقل سه سال تجربه عملی در هوش مصنوعی.
- دانش پیشرفته هوش مصنوعی بنیادی، شامل مدل‌های زبانی بزرگ، مدل‌های چندوجهی، هوش مصنوعی مولد، استدلال، پساآموزش، ارزیابی مدل یا پژوهش سامانه‌های هوش مصنوعی.
- درک قوی از چرخه عمر توسعه هوش مصنوعی، شامل پیش‌آموزش، تنظیم دقیق، پساآموزش، بهینه‌سازی، ارزیابی، استقرار و سرویس‌دهی مدل.
- تجربه عملی با ابزارها و پلتفرم‌های پژوهشی مانند PyTorch، JAX، چارچوب‌های آموزش توزیع‌شده، سامانه‌های استنتاج، پلتفرم‌های سرویس‌دهی مدل، خطوط لوله ارزیابی و گردش‌کارهای شتاب‌یافته با GPU.
- درک فنی زیرساخت هوش مصنوعی مقیاس‌پذیر، شامل آموزش توزیع‌شده، موازی‌سازی، نقطه‌گذاری، بهینه‌سازی حافظه، دسته‌بندی، زمان‌بندی، تأخیر، توان عملیاتی و موازنه هزینه و عملکرد.
- آشنایی با روش‌های بهبود بهره‌وری و کیفیت مدل، شامل کوانتیزه‌سازی، تقطیر، تنکی، رمزگشایی گمانه‌زنانه، بهینه‌سازی توجه، تولید داده مصنوعی، RLHF/RLAIF و بهینه‌سازی ترجیحات.
- توانایی گفت‌وگو درباره چالش‌های پیشرو پژوهشی با آزمایشگاه‌های دانشگاهی برجسته، از جمله رفتار مقیاس‌پذیری، بهره‌وری محاسباتی، کیفیت مدل، طراحی معیار، بازتولیدپذیری، قابلیت اطمینان و اثر پژوهش.
- شواهد اعتبار پژوهشی از طریق مقالات، فعالیت‌های متن‌باز، همکاری‌های دانشگاهی، رهبری فنی یا مشارکت مستقیم در سامانه‌های پیشرفته هوش مصنوعی.
- تجربه با فناوری‌های هوش مصنوعی NVIDIA مانند CUDA، کتابخانه‌های CUDA-X، TensorRT-LLM، Triton Inference Server، NIM، NeMo، Megatron، Transformer Engine، NCCL، DGX، NVLink، InfiniBand یا NVIDIA AI Enterprise.
- روابط تثبیت‌شده با آزمایشگاه‌های پیشرو هوش مصنوعی، دانشگاه‌ها، مؤسسه‌های پژوهشی، جوامع معیارسنجی یا پروژه‌های بزرگ متن‌باز هوش مصنوعی.
- توانایی اثبات‌شده در تبدیل پژوهش پیشرفته هوش مصنوعی به نمایش‌ها، آموزش‌ها، معماری‌های مرجع، کارگاه‌ها، مقالات فنی یا برنامه‌های توانمندسازی توسعه‌دهندگان.
- تجربه ارائه در کنفرانس‌ها یا کارگاه‌هایی مانند NeurIPS، ICML، ICLR، CVPR، AAAI یا مجامع پژوهشی مشابه.
- توانایی شناسایی مسیرهای نوظهور پژوهش و تبدیل آن‌ها به فرصت‌هایی برای همکاری، پذیرش پلتفرم و اکوسیستم.
مزایا
- سهام
- مزایا