Developer Technology Engineer, Energy — NVIDIA (ufficio Zurich)

Description complète

Notre travail chez NVIDIA est dédié à un modèle informatique axé sur le calcul visuel et l'intelligence artificielle. Depuis deux décennies, NVIDIA est le pionnier de l'informatique visuelle, de l'art et de la science de l'informatique, avec notre invention du GPU. Le GPU s'est également révélé spectaculairement efficace pour résoudre certains des problèmes les plus complexes en informatique. Aujourd'hui, le GPU de NVIDIA simule l'intelligence humaine, exécute des algorithmes d'apprentissage profond et agit comme le cerveau d'ordinateurs, de robots et de voitures autonomes qui peuvent percevoir et comprendre le monde. Nous cherchons à développer notre entreprise et nos équipes avec les personnes les plus intelligentes du monde et il n'y a jamais eu de temps plus excitant pour rejoindre notre équipe!

NVIDIA est à la recherche d'un informaticien et ingénieur passionné et de calibre mondial (Compute Developer Technology - DevTech) pour accélérer la simulation énergétique et les flux de travail AI sur les plateformes NVIDIA. Vous vous concentrerez sur l'optimisation des performances CUDA pour les charges de travail telles que le traitement sismique (p. ex., les pipelines d'imagerie/inversion), la simulation de réservoir, les simulateurs de réseau électrique et les workflows de production HPC/AI connexes. Vous travaillerez main dans la main avec les équipes d'ingénierie client et partenaire ainsi que les groupes de produits et d'ingénierie NVIDIA pour fournir des accélérations mesurables et des performances évolutives sur les systèmes multi-GPU et multi-noeuds.

Qu'est-ce que vous allez faire?

• Profiler, analyser et optimiser les applications accélérées GPU en mettant l'accent sur les noyaux CUDA, le mouvement mémoire, la concurrence et le débit de bout en bout.
• Améliorer les performances de la pile :
• Optimisation du noyau CUDA C++, configuration de lancement, hiérarchie de mémoire, flux/événements
• Bibliothèques GPU (selon le cas): cuBLAS, cuFFT, cuSPARSE, cuSOLVER, CCNL
• Multi-GPU et multi-noeud à l'aide de MPI + NCCL, chevauchement CPU/GPU, modèles de communication
• Établir des repères reproductibles, des rapports sur le rendement et des recommandations d'ajustement (avant/après, méthodologie, courbes d'échelle).
• Élaborer et maintenir des implémentations de référence, des exemples et/ou des correctifs au code client pour permettre la performance et la portabilité.
• Soutenir les engagements des clients (POC à la production), y compris le débogage des problèmes d'exactitude/performance et des conseils sur les meilleures pratiques de déploiement (conteneurs, planificateurs, grappes).
• Collaborer avec les équipes internes pour déposer des questions pouvant donner lieu à une action, valider les corrections et influencer la feuille de route basée sur les besoins réels des clients dans Energy.
• Construire des bibliothèques internes et du code réutilisable qui mèneraient à de futurs produits NVIDIA.

Qu'est-ce qui se passe?

• BS/MS (ou expérience équivalente) en CS/CE/EE/Physics/Applied Math ou dans un domaine connexe.
• Fortes compétences de programmation en C/C++ et Python sur Linux.
• Expérience pratique des concepts de programmation CUDA et d'optimisation des performances GPU.
• Expérimentez le profilage et le débogage en utilisant des outils tels que NVIDIA Nsight Systems / Nsight Compute (ou équivalent).
• Compréhension des fondamentaux de calcul et de performance parallèles (vectorisation, filetage, NUMA, bande passante/latence de la mémoire).
• Capacité de communiquer clairement les résultats techniques aux ingénieurs et aux non-ingénieurs.
• 5 ans et plus d'expérience pertinente dans l'optimisation du GPU/HPC; bilan solide des accélérations et des améliorations de l'échelle.

Des façons de se démarquer de la foule

• Dirige les évaluations de performance avec les intervenants clients; crée des playbooks réutilisables/des designs de référence. Expérience/compétences (typiques)
• Expérience HPC avec MPI , systèmes distribués et réglage de performance multi-noeuds.
• Exposition au domaine énergie/PCH:
• Pipelines de traitement sismique, modèles de type RTM/FWI, codes lourds FFT/stencil/algèbre linéaire
• Simulation de réservoir (solveurs par satellite/itatif), préconditionnement, décomposition de domaine
• Simulation du réseau électrique / stabilité transitoire / flux de travail d'optimisation
• Expérience des tests de régression IC/perf, des workflows conteneurisés (Docker/Apptainer) et des planificateurs (Slurm).
• Connaissance des flux de travail de l'IA utilisés parallèlement à la simulation (prép. de données, intégration formation/inférence, pipeline perfo)