Senior Deep Learning Ingenieur — NVIDIA (ufficio Zurich)
CHF 101'500 - 154'000
NVIDIA (ufficio Zurich) · Zürich (ZH)
- Ort
- Zürich
- Vertrag
- full-time
- Veröffentlicht
- vor 31 Tagen
LohnCHF 101'500 - 154'000
Rollenüberblick
Wir suchen einen Senior Deep Learning Engineer, der hilft, Cosmos World Foundation Modelle aus der Forschung in effiziente, produktionsfähige Systeme zu bringen.
Sie konzentrieren sich auf die Optimierung und Bereitstellung von Modellen für leistungsstarke Inferenz auf verschiedenen GPU-Plattformen.
Diese Rolle liegt an der Schnittstelle von Deep Learning, System- und GPU-Optimierung und arbeitet eng mit Forschern, Software-Ingenieuren und
- Wir suchen einen Senior Deep Learning Engineer, der hilft, Cosmos World Foundation Modelle aus der Forschung in effiziente, produktionsfähige Systeme zu bringen.
- Sie konzentrieren sich auf die Optimierung und Bereitstellung von Modellen für leistungsstarke Inferenz auf verschiedenen GPU-Plattformen.
Weitere Details
- Diese Rolle liegt an der Schnittstelle von Deep Learning, System- und GPU-Optimierung und arbeitet eng mit Forschern, Software-Ingenieuren und
- Entwickler nutzen Cosmos, um die physische KI-Entwicklung für autonome Fahrzeuge (AVs), Roboter und KI-Agenten für Videoanalysen zu beschleunigen, indem sie die physische Welt simulieren und begründen. Was Sie tun werden:
- Profilieren und analysieren Sie Deep Learning Workloads, um Engpässe zu identifizieren und zu beseitigen. Was wir sehen müssen:
- Bewährte Erfahrung in der Analyse, Modellierung und Abstimmung der Leistung von GPU-Workloads, sowohl Inferenz als auch Training.
Notizen und Originalinhalt
- Diese Rolle liegt an der Schnittstelle von Deep Learning, System- und GPU-Optimierung und arbeitet eng mit Forschern,
- Software-Ingenieuren und
- Entwickler nutzen Cosmos, um die physische KI-Entwicklung für autonome Fahrzeuge (AVs), Roboter und KI-Agenten für Videoanalysen zu beschleunigen, indem sie die physische Welt simulieren und begründen.
- Was Sie tun werden:
- Profilieren und analysieren Sie Deep Learning Workloads, um Engpässe zu identifizieren und zu beseitigen.
- Was wir sehen müssen:
