NVIDIA opracowuje technologie przyspieszonych obliczeń i sztucznej inteligencji wykorzystywane w branży gier, centrach danych, chmurze obliczeniowej, ochronie zdrowia, produkcji, motoryzacji i robotyce. Firma rozwija procesory graficzne, platformy AI, technologie symulacyjne oraz rozwiązania dla konkretnych branż, w tym NVIDIA Omniverse do współpracy przy projektach 3D, NVIDIA DRIVE do rozwoju pojazdów autonomicznych i NVIDIA Clara do zastosowań medycznych. NVIDIA skupia duże zespoły techniczne pracujące nad infrastrukturą i oprogramowaniem wspierającymi zaawansowane obliczenia, symulacje oraz analitykę opartą na sztucznej inteligencji.
Menedżer ds. relacji z deweloperami NVIDIA — podstawowe badania nad AI (praca zdalna, Kalifornia)
Kieruj współpracą techniczną z badaczami akademickimi rozwijającymi modele bazowe i systemy AI. Łącz najnowsze badania nad trenowaniem, wnioskowaniem i skalowalnymi obliczeniami z platformami NVIDIA oraz programami dla deweloperów.
Opis
- Doradzaj czołowym akademickim laboratoriom AI w zakresie modeli bazowych, dużych modeli językowych, multimodalnej AI, rozumowania, trenowania, wnioskowania i systemów AI.
- Znajduj wartościowe obciążenia badawcze, w których oprogramowanie, systemy i akcelerowane obliczenia NVIDIA mogą poprawić wydajność, skalowalność i efektywność modeli.
- Współpracuj z głównymi badaczami, naukowcami ze stopniem doktora, doktorantami i liderami laboratoriów, aby rozumieć priorytety badawcze, przeszkody techniczne, wymagania infrastrukturalne i możliwości współpracy.
- Monitoruj najnowsze osiągnięcia AI w publikacjach badawczych, benchmarkach, projektach open source i laboratoriach akademickich, aby odkrywać nowe trendy oraz możliwości platformy.
- Współpracuj z menedżerami ds. klientów badawczych, architektami rozwiązań oraz zespołami produktu, inżynierii i rozwoju biznesu, aby zachęcać badaczy do wdrażania rozwiązań i budować trwałe relacje.
- Przekształcaj opinie środowiska akademickiego w praktyczne wskazówki dla planów rozwoju produktów, inicjatyw dla deweloperów, programów edukacyjnych i strategii platformy.
- Reprezentuj NVIDIA na najważniejszych wydarzeniach związanych z AI, uczeniem maszynowym i badaniami nad systemami poprzez treści techniczne, warsztaty, partnerstwa z uniwersytetami i programy dla laboratoriów badawczych.
Wymagania
- Stopień doktora w dziedzinie informatyki, sztucznej inteligencji, uczenia maszynowego, matematyki stosowanej, elektrotechniki lub pokrewnej dyscyplinie technicznej albo równoważne doświadczenie badawcze.
- Co najmniej pięć lat pracy w branży technologicznej w obszarach inżynierii oprogramowania, relacji z deweloperami, partnerstw technicznych, architektury rozwiązań lub zarządzania produktem, w tym co najmniej trzy lata praktycznego doświadczenia w AI.
- Zaawansowana znajomość podstawowej AI, w tym dużych modeli językowych, modeli multimodalnych, generatywnej AI, rozumowania, dostrajania po treningu, oceny modeli lub badań nad systemami AI.
- Bardzo dobra znajomość cyklu życia rozwoju AI, w tym treningu wstępnego, dostrajania, treningu po wstępnym szkoleniu, optymalizacji, oceny, wdrażania i serwowania modeli.
- Praktyczne doświadczenie z narzędziami i platformami badawczymi, takimi jak PyTorch, JAX, frameworki treningu rozproszonego, systemy wnioskowania, platformy serwowania modeli, potoki oceny i przepływy pracy akcelerowane przez GPU.
- Techniczne zrozumienie skalowalnej infrastruktury AI, w tym treningu rozproszonego, równoległości, punktów kontrolnych, optymalizacji pamięci, przetwarzania wsadowego, planowania, opóźnień, przepustowości oraz kompromisów między kosztem a wydajnością.
- Znajomość technik poprawy efektywności i jakości modeli, w tym kwantyzacji, destylacji, rzadkości, dekodowania spekulatywnego, optymalizacji mechanizmu uwagi, generowania danych syntetycznych, RLHF/RLAIF i optymalizacji preferencji.
- Umiejętność omawiania najnowszych wyzwań badawczych z czołowymi laboratoriami akademickimi, w tym zachowania skalowania, efektywności obliczeniowej, jakości modeli, projektowania benchmarków, odtwarzalności, niezawodności i wpływu badań.
- Potwierdzona wiarygodność badawcza wynikająca z publikacji, pracy open source, współpracy akademickiej, przywództwa technicznego lub bezpośredniego wkładu w zaawansowane systemy AI.
- Doświadczenie z technologiami NVIDIA AI, takimi jak CUDA, biblioteki CUDA-X, TensorRT-LLM, Triton Inference Server, NIM, NeMo, Megatron, Transformer Engine, NCCL, DGX, NVLink, InfiniBand lub NVIDIA AI Enterprise.
- Ugruntowane kontakty z czołowymi laboratoriami AI, uniwersytetami, instytutami badawczymi, społecznościami benchmarków lub dużymi projektami AI open source.
- Udokumentowana umiejętność przekształcania zaawansowanych badań AI w demonstracje, samouczki, architektury referencyjne, warsztaty, artykuły techniczne lub programy wsparcia dla deweloperów.
- Doświadczenie w prezentowaniu na konferencjach lub warsztatach takich jak NeurIPS, ICML, ICLR, CVPR, AAAI lub porównywalnych wydarzeniach badawczych.
- Umiejętność rozpoznawania nowych kierunków badań i przekładania ich na możliwości współpracy, wdrażania platformy oraz rozwoju ekosystemu.
Benefity
- Udziały
- Benefity