Auf einen Blick
- Aufgaben: Entwickle GPU-optimierte Algorithmen für visuelle Robotik und verbessere die Leistung von neuronalen Modellen.
- Unternehmen: Innovatives Startup im Bereich Robotik mit einem dynamischen Team.
- Vorteile: Flexible Arbeitszeiten, kreative Freiheit und die Möglichkeit, an bahnbrechenden Technologien zu arbeiten.
- Weitere Informationen: Wachse in einem unternehmerischen Umfeld mit großartigen Entwicklungsmöglichkeiten.
- Warum dieser Job: Gestalte die Zukunft der Robotik und hinterlasse deinen persönlichen Stempel auf innovativen Projekten.
- Qualifikationen: Erfahrung mit CUDA, C++ und GPU-Architektur erforderlich.
Das prognostizierte Gehalt liegt zwischen 60000 - 80000 € pro Jahr.
Die CynLr Visual Intelligence-Stack ermöglicht es Robotern, Objekte unter verschiedenen Bedingungen instinktiv zu sehen und zu greifen, ohne dass eine Schulung erforderlich ist. Die Herausforderung besteht darin, dass Roboter in der Lage sein müssen, komplexe Aufgaben wie das Zusammenbauen eines Smartphones oder eines Autos aus Tausenden von Teilen mit unterschiedlichen Formen und Gewichten zu bewältigen. CynLr ermöglicht es visuellen Robotern, jedes Objekt intuitiv zu handhaben, selbst aus einem Durcheinander, und vereinfacht so die Fabriklinien in modulare Mikro-Fabriken.
Als GPU-Entwickler sind Sie verantwortlich für den Aufbau und die Übersetzung des gesamten Vision Algorithmus & Learning SW Stack in einen leistungsoptimierten Codeblock und den Aufbau mathematischer Modelle, die besser auf der GPU dargestellt werden können.
Anforderungen:- Erfahrung mit Low-level CUDA API
- Stark in den Grundlagen von C++/C
- Versiert im Visual Studio-Entwicklungstoolchain
- Erfahrung in der Leistungsanalyse und -optimierung auf niedriger Ebene mit einem starken Verständnis der GPU-Hardwarearchitektur
- Kenntnisse in der Verwendung von GPU-Profiling-Tools wie NVIDIA Visual Profiler und NVIDIA Nsight Compute
- Optimierung kontinuierlicher Kerne
- Entwurf des Rahmens für die Optimierung des pipelined Bildverarbeitungs-CUDA-Kerns
- Dynamisches Lastenausgleich zwischen Kernen und Funktionen
- Interleaving-Verarbeitung zwischen CPU und GPU
- Direkter Zugriff auf GPU-Speicher von Peripheriegeräten (PCIe), Display und USB
- Erfahrung im Entwerfen und Optimieren grundlegender neuronaler Netzwerke
- Kenntnisse über GPU-basierte Anwendungsentwicklung
- Wissen über Speicherarchitekturen und Optimierungen
Das Engineering-Team besteht aus dem Algo-Team, GPU-Team, SW-Entwicklungsteam und HW-Team. Jedes Team wird die Implementierung untereinander aufteilen und sich gegenseitig durch die Implementierung führen.
Was werden Sie tun?Sie werden alle Algorithmen, die das Neurowissenschaftsteam entwickelt, durch die GPU für maximale Leistung denken. Sie werden die gesamte Pipeline der Verarbeitung, die den visuellen Weg imitiert, in optimierte Blöcke und Kerne der Verarbeitung auf der GPU zerlegen.
Wie werden Sie es tun?Sie haben hier völlige Freiheit, aber Sie werden Überprüfungen unterzogen. Da dies ein Startup ist und das Produkt noch nicht gut definiert ist, liegt es an Ihnen, es zu definieren. Erwarten Sie, dass die Dinge nicht ordentlich sind und die Anforderungen nicht festgelegt sind.
GPU Performance Engineer - CUDA & Vision Pipelines Arbeitgeber: CynLr
CynLr bietet eine dynamische und innovative Arbeitsumgebung, in der Mitarbeiter die Möglichkeit haben, an bahnbrechenden Technologien im Bereich der Robotik zu arbeiten. Mit einem starken Fokus auf Teamarbeit und interdisziplinäre Zusammenarbeit fördert das Unternehmen eine Kultur des kreativen Denkens und der kontinuierlichen Weiterbildung. Die Position als GPU Performance Engineer ermöglicht es Ihnen, Ihre Fähigkeiten in CUDA und visuellen Pipelines weiterzuentwickeln und aktiv zur Gestaltung eines revolutionären Produkts beizutragen, während Sie in einem flexiblen Startup-Umfeld arbeiten, das Raum für persönliche und berufliche Entfaltung bietet.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass Sie so GPU Performance Engineer - CUDA & Vision Pipelines erhalten könnten
✨Tipp Nummer 1
Sei proaktiv! Nutze LinkedIn, um mit Leuten aus der Branche in Kontakt zu treten. Schicke ihnen eine Nachricht und stelle Fragen zu ihren Erfahrungen oder dem Unternehmen. Das zeigt dein Interesse und kann dir wertvolle Einblicke geben.
✨Tipp Nummer 2
Bereite dich auf technische Interviews vor! Übe deine Programmierfähigkeiten und sei bereit, deine Lösungen zu erklären. Zeige, dass du nicht nur die Theorie beherrschst, sondern auch praktisch anwenden kannst, was du gelernt hast.
✨Tipp Nummer 3
Nutze unser Netzwerk! Wenn du dich über unsere Website bewirbst, kannst du sicher sein, dass deine Bewerbung direkt bei den richtigen Leuten landet. Wir unterstützen dich dabei, die besten Chancen zu nutzen.
✨Tipp Nummer 4
Sei flexibel und anpassungsfähig! In einem Startup kann sich alles schnell ändern. Zeige, dass du bereit bist, neue Herausforderungen anzunehmen und kreative Lösungen zu finden. Das wird dir helfen, dich von anderen Bewerbern abzuheben.
Wir glauben, dass du diese Fähigkeiten brauchst, um GPU Performance Engineer - CUDA & Vision Pipelines mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Sei du selbst!:Wenn du deine Bewerbung schreibst, sei authentisch und zeig uns, wer du wirklich bist. Wir suchen nach Menschen, die Leidenschaft für Technologie und Innovation haben, also lass das in deinen Worten durchscheinen!
Mach es konkret!:Verwende spezifische Beispiele aus deiner bisherigen Erfahrung, um zu zeigen, wie du die Anforderungen der Stelle erfüllst. Erzähl uns von Projekten, an denen du gearbeitet hast, und wie du dabei CUDA oder GPU-Optimierungen eingesetzt hast.
Struktur ist wichtig!:Achte darauf, dass deine Bewerbung gut strukturiert ist. Verwende klare Absätze und Überschriften, damit wir schnell die wichtigsten Informationen finden können. Ein übersichtliches Layout macht einen guten Eindruck!
Bewirb dich über unsere Website!:Wir empfehlen dir, deine Bewerbung direkt über unsere Website einzureichen. So stellst du sicher, dass sie an die richtige Stelle gelangt und du alle notwendigen Informationen bereitstellst. Wir freuen uns auf deine Bewerbung!
Wie man sich auf ein Vorstellungsgespräch bei CynLr vorbereitet
✨Verstehe die Technologie
Mach dich mit den neuesten Entwicklungen in der GPU-Technologie und CUDA vertraut. Lies aktuelle Artikel oder schaue Tutorials, um ein tiefes Verständnis für die Funktionsweise von GPU-Architekturen und deren Optimierung zu bekommen. Das zeigt dein Engagement und deine Leidenschaft für das Thema.
✨Bereite konkrete Beispiele vor
Überlege dir spezifische Projekte oder Erfahrungen, bei denen du CUDA oder GPU-Optimierungen eingesetzt hast. Sei bereit, diese Beispiele im Interview zu erläutern und zu zeigen, wie du Herausforderungen gemeistert hast. Das gibt dem Interviewer einen Einblick in deine praktischen Fähigkeiten.
✨Teamarbeit betonen
Da die Rolle viel Zusammenarbeit mit verschiedenen Teams erfordert, solltest du Beispiele für erfolgreiche Teamprojekte parat haben. Erkläre, wie du in der Vergangenheit mit anderen Entwicklern, Algorithmen-Teams oder Hardware-Ingenieuren zusammengearbeitet hast, um optimale Ergebnisse zu erzielen.
✨Fragen stellen
Bereite einige durchdachte Fragen über die Unternehmenskultur, die Teamstruktur und die aktuellen Herausforderungen des Unternehmens vor. Das zeigt dein Interesse an der Position und hilft dir, herauszufinden, ob das Unternehmen gut zu dir passt.
