A Zoox autonóm mobilitási technológiát és kifejezetten szolgáltatásalapú mobilitásra tervezett járműflottát fejleszt. A vállalat a robotikát, a mesterséges intelligenciát, a járműmérnökséget, az elektromos járműveket és a fejlett érzékelési technológiákat ötvözi a biztonságosabb, tisztább és élvezetesebb közlekedés megteremtéséért. A Zoox teljesen autonóm, az utasok igényei köré épített járművekkel kívánja újragondolni az emberek személyes mobilitással kapcsolatos élményét.
Mérnöki vezető, gépi tanulási teljesítményoptimalizálás a Zooxnál
Vezesse a gépi tanulás teljesítményoptimalizálását a Zoox autonóm vezetési rendszereiben. Irányítsa a skálázható tanítást, a GPU-gyorsítást és az alacsony késleltetésű következtetést a robotikai mérnöki csapatokban.
Egyesült Államok
Kalifornia276 000 $ – 343 000 $ / év
HibridTeljes munkaidőSzeniorVezetőKötelező Nyelv: angolMérnökségi vezetőLeírás
- A gépi tanulási tanítás és következtetés optimalizálásának stratégiai irányát és ütemtervét meghatározni
- Javítani az autonóm vezetési munkaterhelések skálázhatóságát, megbízhatóságát és teljesítményét
- Hatékony gépi tanulási platformot vezetni, amely magában foglalja a modell tanítását, validálását, kiszolgálását, optimalizálását és monitorozását
- A nagyméretű modellek tanítását és következtetését teljes folyamatában optimalizálni
- Növelni az elosztott tanítás hatékonyságát, miközben javul a GPU-kihasználtság, a memóriahasználat és a kommunikáció
- Kvantálást, metszést, desztillációt és más modelltömörítési módszereket alkalmazni
- Alacsony késleltetésű, járművön végzett következtetést biztosítani szigorú valós idejű és számítási korlátok mellett
- Sokszínű mérnöki csapatot építeni és motiválni toborzással és vezetői munkával
- Együttműködni a gépi tanulási kutatási, szoftveres, adat- és hardvermérnöki csapatokkal
- Meghatározni a követelményeket és irányítani az architekturális döntéseket
- Fejlődési lehetőségekkel és időben adott visszajelzéssel mentorálni a mérnököket
Követelmények
- Legalább 8 év releváns tapasztalat, ezen belül legalább 3 év mérnöki csapatok vezetésében
- Mély szakértelem a gépi tanulási teljesítményoptimalizálásban, beleértve az elosztott tanítást, az adat-, tenzor- és folyamatpárhuzamosságot, az FSDP/ZeRO-t, a vegyes pontosságot, a CUDA-t, a Tritont, a torch.compile-t, az XLA-t, a TVM-et, a kvantálást, valamint a GPU-kon és beágyazott gyorsítókon végzett profilozást
- Tapasztalat hozzáférhető gépi tanulási infrastruktúra kiépítésében nagyméretű tanításhoz, valamint nagy áteresztőképességű, alacsony késleltetésű kiszolgáláshoz
- Tapasztalat a PyTorch vagy JAX GPU-kkal történő, elosztott modelltanításban való használatában
- Tapasztalat GPU-gyorsított következtetésben TensorRT, Ray Serve vagy hasonló keretrendszerek használatával
- Erős eredmények a kutatási, termék-, hardver- és platformcsapatokkal végzett, több funkciót érintő együttműködésben
- Képesség a prioritások meghatározására, a technikai irány alakítására és mérhető teljesítménynövekedés elérésére szervezeti határokon átívelően
Juttatások
- Fizetett szabadság, amely magában foglalja a betegszabadságot, a szabadságot és a gyászszabadságot
- Fizetés nélküli szabadság
- Zoox részvényértéknövekedési jogok
- Amazon korlátozott részvényegységek (RSU-k)
- Egészségbiztosítás
- Hosszú távú ápolási biztosítás
- Hosszú és rövid távú rokkantsági biztosítás
- Életbiztosítás
- Lehetséges belépési bónusz