Principal Engineer, Machine Learning

Analog Devices, Inc. (NASDAQ: ADI) є світовим лідером у сфері напівпровідників, який впроваджує інновації на Інтелектуальному краї шляхом об'єднання фізичного і цифрового світу. З доходом понад 12 мільярдів доларів у 2022 фінансовому році та приблизно 25 000 працівників по всьому світу, ADI знаходиться на передньому плані розвитку оцифрованих фабрик, мобільності, цифрової охорони здоров'я, пом'якшення змін клімату та надійної зв'язності.

Maxim Integrated Products, LLC ("Maxim") має намір подати заяву на сертифікацію працевлаштування іноземця. Ми запрошуємо кваліфікованих кандидатів подати заявку на наступну позицію:

Позиція: Головний Інженер з Машинного Навчання

Місце: Даллас, Техас

Обов'язки

• Проектування, навчання та перенесення моделей AI для пристроїв з обмеженими ресурсами за допомогою PyTorch та апаратного забезпечення на основі CUDA.
• Адаптація існуючих моделей AI та створення спеціалізованих рішень.
• Розробка програмного забезпечення на C та оптимізація алгоритмів цифрової обробки сигналів для вбудованих мікроконтролерів.
• Проектування та виконання протоколів збору даних для глибокого навчання на різноманітних наборах даних, включаючи комп'ютерний зір та комп'ютерний аудіо.
• Проведення досліджень у сфері AI, публікація результатів та виступи на наукових та промислових конференціях.
• Розробка вбудованих AI акселераторів та проектування спеціальних адаптацій фреймворків PyTorch та TensorFlow.
• Співпраця з дослідниками та інженерами в межах компанії та з клієнтами для досягнення корпоративних цілей.
• Керівництво створенням нових AI алгоритмів та їх впровадження на апаратному забезпеченні Analog Devices.
• Часткова можливість працювати дистанційно: 2 дні з дому.

Вимоги до роботи

Докторська ступінь в області електротехніки (або іноземний еквівалент) з трьома (3) роками досвіду або ступінь магістра з п’ятьма (5) роками досвіду в проектуванні та впровадженні енергоефективних моделей AI для периферійних пристроїв. Основні навички включають:

• Розробка нестандартних моделей глибокого навчання для обробки аудіо, зображень та тимчасових даних за допомогою фреймворків таких як PyTorch, TensorFlow та Keras.
• Передові техніки навчання AI на периферії, включаючи квантизацію, дистиляцію знань та пошук архітектури нейронних мереж.
• Розгортання та оптимізація моделей ML на периферійних пристроях за допомогою мов програмування, таких як C/C++ та Java, з використанням фреймворків розгортання, включаючи PyTorch Mobile, ONNX Runtime, Arm NN та CMSIS-NN.
• Написання наукових робіт та виступи на академічних та промислових заходах у сфері малого машинного навчання.
• Розробка біомедичних алгоритмів за допомогою MATLAB або Python.
• Проектування експериментів для збору регульованих чутливих даних.