Cerebras
Cerebras
501 – 1,000 Mga Empleyado
Artipisyal na intelihensiyaHardwareSaaS
Ang Cerebras ay bumubuo ng wafer-scale AI hardware at pinagsamang software para sa mataas ang performance na pagsasanay at inference ng mga modelo. Pinapagana ng Wafer-Scale Engine nito ang CS-3 system at Cerebras Inference Cloud, na sumusuporta sa mga workflow na tugma sa OpenAI API at deployment sa on-premise, cloud, at edge na mga environment. Idinisenyo ang platform ng kumpanya para sa mga application tulad ng model serving, fine-tuning, pre-training, real-time AI agents, genomics, pagtuklas ng gamot, cybersecurity, at enterprise search. Pinagsasama ng Cerebras ang mga espesyal na chip, system, at software para sa mga organisasyong bumubuo at nagpapatakbo ng mahihirap na workload ng artificial intelligence, kasama ang pangkat na may 501–1,000 empleyado.

Inhinyero sa Pagmamapa ng Algorithm at Performance ng ML, Core ML

Ima-map ang mga algorithm sa training at inference ng machine learning sa arkitektura ng AI chip ng Cerebras. Magmomodelo ng mga bottleneck sa performance, magsasagawa ng benchmark sa mga sistema, at magbibigay ng input sa co-design ng hardware at software.

Paglalarawan

  • Bumuo ng mga analytical at empirical na modelo ng performance para sa mga advanced na algorithm sa ML training at inference
  • Suriin ang asymptotic behavior at mga trade-off ng algorithm batay sa laki ng modelo, haba ng sequence, laki ng batch, parallelism, at lawak ng hardware
  • Bumuo ng mga Pareto frontier na sumasaklaw sa kalidad ng modelo, latency, throughput, memory footprint, komunikasyon, at gastos sa computation
  • Gumawa ng mga prototype implementation at benchmark para sa Cerebras WSE kasama ang mga kaugnay na GPU at software baseline
  • Siyasatin ang kilos ng sistema upang matukoy ang mga bottleneck sa kernel, compiler, runtime, komunikasyon, at algorithm
  • Suriin ang mga umuusbong na pamamaraan gaya ng parallel token generation, diffusion at speculative decoding, attention, sparsity, mixture-of-experts, low-precision computation, at distributed training
  • Makipagtulungan sa mga research, kernel, compiler, runtime, inference, at architecture team sa mga prayoridad sa implementation at co-design
  • Gumawa ng mga tool at visualization upang magproyekto ng performance, magsuri ng mga sukat, at maghambing ng mga trade-off sa disenyo
  • Iharap ang mga konklusyon, palagay, limitasyon, at rekomendasyon sa pamamagitan ng mga teknikal na ulat, presentasyon, at design review
  • Tumulong humubog sa mga prayoridad ng Core ML research, mga pagpipilian sa implementation, at mga kakayahan ng hardware at software sa hinaharap

Mga Kinakailangan

  • Bachelor’s, master’s, doctoral degree, o katumbas na praktikal na karanasan sa computer science, computer engineering, electrical engineering, mathematics, o kaugnay na larangan
  • Malalim na kaalaman sa computer architecture, parallel computing, at systems performance
  • Matibay na pag-unawa sa mga batayan ng machine learning at ML systems
  • Karanasan sa analytical performance modeling, algorithmic complexity analysis, benchmarking, o system simulation
  • Napatunayang kakayahan sa analytical reasoning at problem-solving
  • Mahusay sa Python at may working knowledge sa C++
  • Karanasan sa pag-profile at pag-debug ng performance sa ML, HPC, CPU, GPU, o accelerator-based na mga sistema
  • Kakayahang iugnay ang mathematical analysis, experimental validation, at praktikal na engineering recommendations
  • Mas gusto: karanasan sa roofline analysis, CPU o GPU simulator, kernel optimization, o hardware-software co-design
  • Mas gusto: pamilyar sa CUDA, Triton, PyTorch, JAX, o open-source na LLM training at inference systems
  • Mas gusto: kaalaman sa transformer internals, attention variants, KV-cache strategies, model parallelism, sparsity, quantization, at parallel generation
  • Mas gusto: research publication, patent, o malaking open-source contribution sa ML systems, computer architecture, o computational efficiency
  • Mas gusto: karanasan sa pagsusuri ng mga pagpipiliang teknolohiya para sa mga hardware o software architecture sa hinaharap

Mga Benepisyo

  • Mga pagkakataong maglathala at mag-open-source ng advanced AI research
  • Makatrabaho ang isa sa pinakamabilis na AI supercomputer sa mundo
  • Enerhiya ng startup na may kasamang katatagan sa trabaho
  • Direkta at hindi corporate na kultura na gumagalang sa mga paniniwala ng bawat isa
  • Patuloy na mga pagkakataon para sa pagkatuto, pag-unlad, at suporta
  • Pangako sa isang pantay at magkakaibang lugar ng trabaho

Mga Kaugnay na Trabaho

NVIDIA

Senior na Inhinyero sa Pisikal na Disenyo ng CPU at DTCO

NVIDIA

Piliin ang mga teknolohiya sa proseso para sa mga susunod na henerasyong CPU at suriin ang epekto ng mga ito sa konsumo ng kuryente, performance, at lawak ng chip. Makipagtulungan sa mga team ng foundry, IP, at hardware upang isulong ang maagang pagbuo ng teknolohiya para sa mga AI platform ng NVIDIA.

Buksan
Tallgrass Freight Company

Staff Accountant, Mga Account na Sisingilin

Tallgrass Freight Company
11 – 50 Mga Empleyado
B2BLogisticsTransportasyon

Pangasiwaan ang pagsingil, mga bayad, reconciliation, at suporta sa pagsasara ng libro para sa Tallgrass Freight Company. Tumulong na panatilihing tumpak ang mga rekord sa pananalapi at lutasin ang mga isyu sa account ng customer.

Buksan
Cadence Solutions

Espesyalista sa Payroll ng US na Remote

Cadence Solutions
11 – 50 Mga Empleyado
B2BKorporasyonPagkonsulta

Tumpak na pinoproseso ang payroll sa iba’t ibang estado sa US para sa Cadence Solutions, isang klinikal na AI company na nakatuon sa pag-automate ng paggamot sa mga malalang sakit. Sinusuportahan din ng tungkulin ang mga buwis sa payroll, benepisyo, audit, pag-uulat, at mga tanong ng empleyado.

Buksan