NVIDIA utvikler teknologier for akselerert databehandling og kunstig intelligens som brukes innen spill, datasentre, nettskybasert databehandling, helsetjenester, produksjon, bilindustri og robotikk. Arbeidet omfatter grafikkprosessorer, AI-plattformer, simulering og bransjespesifikke løsninger, blant annet NVIDIA Omniverse for samarbeidende 3D-arbeidsflyter, NVIDIA DRIVE for utvikling av autonome kjøretøy og NVIDIA Clara for helsetjenester. Selskapet samler store tekniske team som arbeider med infrastrukturen og programvaren som støtter avansert databehandling, simulering og AI-drevet analyse.
Praktikant innen databehandling og utviklerteknologi – NVIDIA München, på stedet
Bli en del av NVIDIAs team for utviklerteknologi i München, og forsk på GPU-akselerasjon for AI- og høyytelsesberegningsarbeidsbelastninger. Optimaliser parallelle algoritmer på aktuelle CPU- og GPU-arkitekturer.
Beskrivelse
- Utvikle metoder for GPU-akselerasjon innen dyp læring, maskinlæring og andre AI-arbeidsbelastninger
- Samarbeid med eksperter fra næringslivet og akademia for å analysere og optimalisere komplekse AI- og HPC-algoritmer
- Optimaliser AI-løsninger for moderne CPU- og GPU-arkitekturer
- Publiser eller presenter resultater fra optimaliseringsarbeidet i utviklerblogger eller på relevante konferanser
- Engasjer og lær opp utviklerfellesskapet
- Bidra til utformingen av fremtidige maskinvarearkitekturer, programvare og programmeringsmodeller
- Samarbeid med NVIDIAs team innen forskning, maskinvare, systemprogramvare, biblioteker og verktøy
Krav
- Holder for tiden på med en doktorgrads- eller mastergrad i informatikk, datateknikk eller et beslektet felt innen beregningsvitenskap
- Behersker C eller C++ flytende og har god forståelse av algoritmer og programvareutvikling
- Erfaring med teknologier for parallellprogrammering, som CUDA, OpenACC, OpenMP, MPI eller pthreads
- Gode kommunikasjons- og organisasjonsevner
- En strukturert og logisk tilnærming til problemløsning
- Gode ferdigheter innen tidsstyring og prioritering
- Erfaring med parallellisering og optimalisering av dyp-læringsmodeller innen områder som naturlig språkbehandling, datasyn eller anbefalingssystemer er en fordel
- Svært gode kunnskaper i lineær algebra er en fordel
Fordeler
- Lønnet eller akademisk praktikantmulighet hos NVIDIA
- Mulighet til å samarbeide med utviklerfellesskapet
- Mulighet til å publisere eller presentere optimaliseringsarbeid i utviklerblogger eller på relevante konferanser
- Mulighet til å bidra til utformingen av neste generasjons maskinvarearkitekturer, programvare og programmeringsmodeller