Developer Technology Engineer, Energy — NVIDIA (ufficio Zurich)

Descrizione completa

Il nostro lavoro a NVIDIA è dedicato a un modello di calcolo focalizzato sul visual e sull'intelligenza artificiale. Per due decenni, NVIDIA è pioniera del visual computing, dell'arte e della scienza della grafica informatica, con la nostra invenzione della GPU. La GPU ha anche dimostrato di essere spettacolare efficace nel risolvere alcuni dei problemi più complessi in informatica. Oggi, la GPU di NVIDIA simula l'intelligenza umana, l'esecuzione di algoritmi di apprendimento profondo e l'azione come il cervello di computer, robot e auto-driving automobili che possono percepire e comprendere il mondo. Stiamo cercando di crescere la nostra azienda e team con le persone più intelligenti del mondo e non c'è mai stato un momento più emozionante per unirsi alla nostra squadra!

NVIDIA sta cercando un appassionato e di livello mondiale di computer scienziati e ingegneri (Compute Developer Technology - DevTech) per accelerare la simulazione di energia e flussi di lavoro AI sulle piattaforme NVIDIA. Ti concentrerai sull'ottimizzazione delle prestazioni di CUDA per i carichi di lavoro come l'elaborazione sismica (ad esempio, l'imaging/inversion pipelines), la simulazione del serbatoio, i simulatori della rete elettrica e i relativi flussi di lavoro di produzione HPC/AI. Potrai lavorare a stretto contatto con i team di ingegneria clienti e partner, nonché con i gruppi di prodotti e ingegneri NVIDIA per offrire velocità e prestazioni scalabili su sistemi multi-GPU e multi-nodo.

Che cosa si ou b e d oing

• Profilo, analisi e ottimizzazione delle applicazioni accelerate dalla GPU con enfasi sui kernel CUDA, movimento di memoria, convalutazione e throughput end-to-end .
• Miglioramento delle prestazioni dell'unità attraverso lo stack:
• Ottimizzazione del kernel CUDA C++, configurazione di lancio, gerarchia della memoria, stream/events
• librerie GPU (come applicabile): cuBLAS, cuFFT, cuSPARSE, cuSOLVER, NCCL
• Ridimensionamento multi-GPU e multi-nodo utilizzando MPI + NCCL , sovrapposizione CPU/GPU, modelli di comunicazione
• Costruire benchmark riproducibili, report delle prestazioni e raccomandazioni di sintonizzazione (prima/dopo, metodologia, curve di scala).
• Sviluppare e mantenere implementazioni di riferimento, esempi e/o patch al codice cliente per consentire prestazioni e portabilità.
• Supporta gli impegni dei clienti (POC alla produzione), inclusi i problemi di correttezza/performance di debug e consiglia le migliori pratiche di distribuzione (contenuti, programmatori, cluster).
• Collaborare con i team interni per archiviare problemi attuabili, validare correzioni e influenzare la roadmap in base alle reali esigenze dei clienti in Energy.
• Costruire librerie interne e codice riutilizzabile che porterebbe a futuri prodotti NVIDIA.

Cosa c'è da dire

• BS/MS (o esperienza equivalente) in CS/CE/EE/Physics/Applied Math o relativo campo.
• Forte capacità di programmazione in C/C++ e Python su Linux.
• Esperienza pratica con i concetti di programmazione CUDA e ottimizzazione delle prestazioni GPU.
• Provare le prestazioni di profilazione e debug utilizzando strumenti come NVIDIA Nsight Systems / Nsight Compute (o equivalente).
• Comprensione dei fondamenti di calcolo e performance paralleli (vettura, filettatura, NUMA, larghezza di banda di memoria / latenza).
• Capacità di comunicare chiaramente i risultati tecnici sia agli ingegneri che ai non ingegneri.
• 5+ anni di esperienza rilevante in ottimizzazione GPU/HPC; forte record di velocità e miglioramenti di scaling.

Modi per distinguersi dalla folla

• Fornisce recensioni sulle prestazioni con gli stakeholder dei clienti; crea cartelle di gioco riutilizzabili / disegni di riferimento. Esperienza/Skills (tipico)
• Esperienza HPC con MPI, sistemi distribuiti e sintonizzazione delle prestazioni multi-nodi.
• Esposizione di dominio Energy/HPC:
• Condutture sismiche, modelli in stile RTM/FWI, codici pesanti FFT/stencil/linear algebra
• Simulazione di riserva (solutori disparse/iterative), precondizionamento, decomposizione di dominio
• Simulazione della griglia di potenza / flussi di lavoro di stabilità / ottimizzazione transitori
• Esperienza con test di regressione CI/perf, flussi di lavoro containerizzati (Docker/Apptainer), e programmatori (Slurm).
• Familiarità con i flussi di lavoro AI utilizzati a fianco della simulazione (prep dati, integrazione formazione/inferenza, perfo pipeline