Вы любите быстро кодировать и создавать структуры программного обеспечения для решения сложных задач? Мы ищем старательных инженеров программного обеспечения для совместной работы над проектированием, построением и внедрением cuDNN: нашей библиотеки примитивов для глубоких нейронных сетей, ускоренной с помощью GPU. Искусственно интеллектуальные машины, оснащенные AI-компьютерами, способными учиться, рассуждать и общаться с людьми, теперь - это реальность, а не научная фантастика. Действительно поразительное время. Эпоха AI началась, и мы толкаем ее вперед. Если это роль соотвествует вашим преемуществам и интересам, поделитесь, почему вы считаете, что были бы отличным дополнением к нашей команде, и мы с радостью расскажем вам больше о нашей работе!
Чем вы будете заниматься:
- Проектированием коммерческого программного обеспечения, которое запускается как часть программного обеспечения AI NVIDIA, включая упрощенную поддержку большой языковой модели (LLM).
- Исследованием функционирования значительных рабочих нагрузок, улучшением нашего текущего программного обеспечения и предложением улучшений для будущего программного обеспечения.
- Сотрудничеством со смежными командами инженеров программного обеспечения для глубокого обучения и архитекторов GPU для инноваций в таких областях, как генеративный AI, автономные автомобили, компьютерное зрение и системы рекомендаций.
- Следованием за постоянно изменяющейся индустрией AI, оставаясь универсальным и готовым вносить свой вклад во всю кодовую базу, включая проектирование API, структуру программного обеспечения, моделирование производительности, тестирование и разработку ядра GPU.
Что нам хотелось бы увидеть:
- Степень бакалавра или выше по специальности компьютерные науки (или аналогично) или соответствующий опыт работы.
- Прочные навыки программирования в разработке на C/C++ и знакомство с Python.
- Глубокие знания линейной алгебры.
- Знакомство с последними тенденциями в области машинного обучения.
- Выдающиеся навыки решения проблем, включая применение алгоритмов и структур данных.
- Опыт проведения оценки производительности, профилирования и оптимизации кода.
Способы выделить себя из толпы:
- Знание программирования на GPU и оптимизации (например, CUDA или OpenCL).
- Практический опыт в области машинного обучения, особенно глубокого обучения.
- Знакомство с архитектурой компьютера и созданием производительных моделей для CPU, GPU или других ускорителей.
- Большой опыт работы с данными, статистический анализ, и визуализация.
- Прошлый опыт работы над большими сложными кодовыми базами, сотрудничающими с несколькими разработчиками, в основном библиотеками, компиляторами или системным программным обеспечением.