51 – 200 Mga Empleyado
Ayon sa impormasyong available sa profile, itinatag ang Normal Computing noong 2022, ngunit walang detalye tungkol sa mga produkto, serbisyo, industriya, o konteksto ng pagkuha nito ng mga empleyado. Kailangan pa ng mas maraming impormasyong partikular sa kumpanya upang makapagbigay ng kapaki-pakinabang na pangkalahatang paglalarawan para sa mga naghahanap ng trabaho.
Inhinyero sa Pananaliksik, Mga Algorithm para sa LLM Inference Hardware
Bumuo ng mga algorithm para sa LLM inference sa in-memory AI hardware ng Normal Computing. Makipagtulungan sa mga pangkat ng hardware at arkitektura upang magkasamang magdisenyo ng mga numerikal na pamamaraan, benchmark, at prototype.
Paglalarawan
- Bumuo ng mga algorithm para sa mga workload ng LLM inference sa in-memory hardware.
- Makipagtulungan sa mga pangkat ng hardware at arkitektura sa co-design ng software at hardware.
- Lumikha ng mga numerikal na pamamaraan na gumagamit ng thermal noise at analog dynamics.
- Bumuo ng mga balangkas ng pagsusuri at benchmark para sa simulation at pisikal na hardware.
- Gawing mga limitasyon at oportunidad sa disenyo ng hardware ang mga kaalaman tungkol sa workload ng modelo.
- Gumawa at magpahusay ng mga prototype ng algorithm habang umuunlad ang hardware mula simulation hanggang silicon.
- Pagbutihin ang performance sa antas ng gate at algorithm.
- Subukan ang mga algorithm gamit ang mga simulator, FPGA prototype, at silicon kapag mayroon na.
Mga Kinakailangan
- Malalim na kaalaman sa inference ng malalaking modelo, kabilang ang mga mekanismo ng attention, KV cache, pag-decode ng mahabang konteksto, at mga limitasyon sa memory bandwidth.
- Karanasan sa pagpapahusay ng inference gamit ang mga teknik gaya ng quantization, sparsity, kernel fusion, o memory-efficient attention.
- Pamilyaridad sa mga stochastic system, probabilistic na pamamaraan, numerical analysis, o analog computation.
- Karanasan sa pagpapatupad ng mga algorithm na malapit sa hardware sa halip na umasa lamang sa mga high-level framework.
- Kakayahang mag-isip mula sa mga pangunahing prinsipyo tungkol sa mga bagong computing substrate.
- Napatunayang kakayahang dalhin ang mga ideya mula teorya hanggang sa pagpapatupad sa tunay na hardware.
- Mahusay sa Python at bihasa sa kahit isang system programming language.
- Kakayahang makipagtulungan sa mga pangkat ng hardware, arkitektura, at software.
- Dagdag na bentahe ang PhD sa machine learning, applied mathematics, physics, electrical engineering, o kaugnay na larangan.
- Dagdag na bentahe ang karanasan sa analog o mixed-signal system, in-memory computing, o mga arkitekturang hindi von Neumann.
- Dagdag na bentahe ang karanasan sa pagtatrabaho sa hardware na ginagawa pa noong sumali ka.
- Dagdag na bentahe ang mga publikasyon o ambag sa open source tungkol sa mahusay na inference, stochastic algorithm, o bagong computing.
Mga Benepisyo
- Pang-inklusibong lugar ng trabaho na nakatuon sa pagkakaiba-iba.
- Mga makatuwirang akomodasyon para sa mga taong may kapansanan.
- Mga proteksyon para sa pantay na oportunidad sa trabaho.
Mga Kaugnay na Trabaho
Walang nahanap na trabaho
Subukang ayusin o alisin ang mga filter para makahanap ng higit pang oportunidad.