Neural Rendering Research Inference Engineer – Advanced Graphics Programs

Was Sie bei AMD tun, verändert alles. Bei AMD ist es unsere Mission, großartige Produkte zu entwickeln, die die nächste Generation von Computererlebnissen beschleunigen – von KI und Rechenzentren bis hin zu PCs, Gaming und eingebetteten Systemen. Geprägt von einer Kultur der Innovation und Zusammenarbeit glauben wir, dass echter Fortschritt aus mutigen Ideen, menschlicher Kreativität und einer gemeinsamen Leidenschaft entsteht, etwas Außergewöhnliches zu schaffen. Wenn Sie zu AMD kommen, werden Sie entdecken, dass der wahre Unterschied unsere Kultur ist. Wir überschreiten die Grenzen der Innovation, um die wichtigsten Herausforderungen der Welt zu lösen – streben nach Exzellenz in der Ausführung, während wir direkt, bescheiden, kollaborativ und inklusiv gegenüber unterschiedlichen Perspektiven sind. Schließen Sie sich uns an, während wir die Zukunft der KI und darüber hinaus gestalten. Gemeinsam fördern wir Ihre Karriere.

Wir suchen einen außergewöhnlichen Neural Rendering Research Inference Engineer - Advanced Graphics Program, der über tiefgehende technische Expertise in der Übersetzung von neuronalen Netzwerkmodellen und -algorithmen in effiziente Inferenzlösungen verfügt. Der ideale Kandidat sollte leidenschaftlich an der Schnittstelle von Grafik und maschinellem Lernen interessiert sein und ein profundes Verständnis für gängige neuronale Netzwerkoperatoren, deren mathematische Grundlagen und rechnerische Anforderungen haben, gepaart mit starker Programmierkompetenz in C++, HIP, CUDA, HLSL und GPU-bezogenen Technologien. Die Person sollte in der Lage sein, effektiv zu kommunizieren und optimal mit verschiedenen Teams bei AMD zusammenzuarbeiten, um optimierte Inferenzimplementierungen für neuronales Rendering und generative KI-Anwendungen zu erstellen.

AMD sucht einen strategischen Forschungs-Inferenzingenieur, der leidenschaftlich daran interessiert ist, die Leistung wichtiger ML-Anwendungen zu verbessern, indem er Hochleistungs-GPU-Kerne für ML-Operatoren entwirft, implementiert und optimiert. Sie werden Mitglied eines Kernteams sein, das mit unglaublich talentierten ML-Forschern zusammenarbeitet, die neue Technologien im Bereich des Echtzeit-neuronalen Grafikdesigns, inverse Rendering und andere ML-beschleunigte Möglichkeiten erkunden.

Hauptverantwortlichkeiten

• Zusammenarbeit mit ML-Forschern und Ingenieuren zur Übersetzung von neuronalen Netzwerkmodellen und -algorithmen, die in PyTorch/Onnx geschrieben sind, in effiziente GPU-Shader unter Verwendung von Sprachen wie HIP, Cuda, HLSL.
• Entwurf, Implementierung und Optimierung von Hochleistungs-GPU-Kernen für ML-Operatoren.
• Zusammenarbeit mit Forschungs-, Hardware-, Treiber- und Compiler-Teams zur Analyse und Behebung von Leistungsproblemen sowie zur Bereitstellung von Lösungen zur Verbesserung der Renderinggeschwindigkeit und der Effizienz von ML-Arbeitslasten.
• Aktuell bleiben mit den neuesten Entwicklungen in der GPU-Hardware, Rendering-Techniken, Grafik-APIs und GPU-beschleunigtem ML.
• Beitrag zum Design und zur Entwicklung von Werkzeugen und Methoden für die optimierte Shader-Integration in Spiel-Engines.
• Dokumentation und Weitergabe von Wissen über Best Practices für GPU-Programmierung (sowohl Grafik als auch Compute/ML) innerhalb des Teams.
• Teilnahme an Code-Reviews und Bereitstellung konstruktiver Rückmeldungen an Kollegen.

Bevorzugte Erfahrungen

• Starke objektorientierte Programmierkenntnisse, C/C++ bevorzugt.
• Nachgewiesene Erfahrung in der Entwicklung und Optimierung von GPU-Kernen für maschinelles Lernen (z.B.: unter Verwendung von HIP, OpenCL, CUDA, HLSL).
• Fähigkeit, in Low-Level-Sprachen zu programmieren (x86 asm, SSE, ISA, Ptx, AMD-Assembly).
• Starkes Verständnis der GPU-Architektur (Rechenkerne, Cache-Hierarchie, Speicher-Modell), Grafik-APIs (DirectX, OpenGL, Vulkan usw.) und Shader-Programmierung.
• Solides Verständnis gängiger neuronaler Netzwerkoperatoren, deren mathematischer Grundlagen und rechnerischer Anforderungen.
• Erfahrung mit modernen parallelen Programmierung und Threading-APIs.
• Erfahrung mit der Entwicklung von Betriebssystemen unter Windows und Linux.
• Erfahrung mit Softwareentwicklungsprozessen und -tools wie Debuggern, Quellcodeverwaltungssystemen (GitHub) und Profiler ist von Vorteil.
• Verständnis von Techniken des maschinellen Lernens und deren Anwendung in der Grafik.
• Effektive Kommunikations- und Problemlösungsfähigkeiten.
• Gute zwischenmenschliche Fähigkeiten.

Akademische Qualifikationen

• Abschluss erforderlich. Master-Abschluss oder PhD in Informatik, insbesondere Grafik und/oder maschinelles Lernen, Computertechnik oder gleichwertig bevorzugt.