Auf einen Blick
- Aufgaben: Führe spannende Forschungsprojekte zur Optimierung von KI-Performance durch.
- Unternehmen: Huawei, ein globaler Technologieführer mit Fokus auf Innovation.
- Vorteile: Zugang zu großen KI-Modellen, Unterstützung bei Veröffentlichungen und Konferenzen.
- Weitere Informationen: Internationale Forschungsumgebung mit hervorragenden Entwicklungsmöglichkeiten.
- Warum dieser Job: Gestalte die Zukunft intelligenter Systeme und arbeite an realen Herausforderungen.
- Qualifikationen: PhD oder gleichwertige Erfahrung in KI, Maschinenlernen oder verwandten Bereichen.
Das prognostizierte Gehalt liegt zwischen 63000 - 77000 € pro Jahr.
Huawei ist ein globaler Marktführer im Bereich Informations- und Kommunikationstechnologie (IKT), der Innovationen vorantreibt und die Zukunft einer intelligenten Welt gestaltet. Mit einer Präsenz in über 170 Ländern und einem starken Engagement für Forschung und Entwicklung drängt Huawei weiterhin die Grenzen der Technologie voran.
Das europäische Forschungsinstitut von Huawei (ERI) vereint mehr als 1.500 Forscher an über 20 Standorten in Europa, einschließlich unseres Forschungszentrums in der Schweiz. Unser Schweizer Forschungslabor konzentriert sich auf die Entwicklung von wegweisenden Rechenarchitekturen und -systemen für das KI-Zeitalter, einschließlich innovativer Hardware, Software und Algorithmen. In enger Zusammenarbeit mit führenden Universitäten und akademischen Partnern weltweit fördern wir eine offene, kollaborative Forschungsumgebung, die sich grundlegenden wissenschaftlichen Durchbrüchen und langfristiger Innovation widmet.
Wir sind ein Forschungsteam mit Sitz in Europa, das an der Schnittstelle von effizienter KI, generativen Modellen und verteilten Systemen arbeitet. Wir arbeiten eng mit führenden Universitäten, Forschungseinrichtungen und Ingenieurteams zusammen, um fortschrittliche KI-Arbeitslasten auf modernen Computerplattformen praktikabel zu machen. Unsere Arbeit umfasst große multimodale und Video-Generierungssysteme, aber unsere Forschungsfragen erstrecken sich über ein breiteres Spektrum von KI-Modellen und -Arbeitslasten. Wir konzentrieren uns auf Leistung, Skalierbarkeit und Effizienz durch Fortschritte in der Inferenz, Kompilierung, verteilte Ausführung und KI-gesteuerte Optimierung.
Wir suchen einen praktischen Forschungswissenschaftler mit einem starken Hintergrund in der KI-Leistungsoptimierung. Sie werden die Ausführung großer KI-Modelle und -Arbeitslasten untersuchen und verbessern, von Kernen und Frameworks bis hin zu End-to-End-Systemen. Sie werden Forschungsprojekte innerhalb des Fahrplans des Teams vorantreiben: Probleme formulieren, Experimente implementieren und durchführen, funktionierende Systeme aufbauen, Verbesserungen messen und veröffentlichen. Erfahrene Kandidaten können auch Praktikanten co-supervisieren und bei der Rekrutierung helfen.
- End-to-End-Optimierung der Inferenz großer Modelle und Multi-Modell-Arbeitslasten, einschließlich Planung, Caching und Ressourcenallokation
- KI-Agenten für automatisierte Leistungsoptimierung durch Profilierung, Benchmarking, Experimentierung und iterative Verfeinerung
- Kompilierungs-, Graph- und Operatoroptimierung, einschließlich Kernelfusion und Ausführung mit niedriger Präzision
- Verteilte Inferenz, Kommunikation-Compute-Überlappung und GPU/NPU-Speicherverwaltung
- Effiziente Ausführung multimodaler und generativer Modelle, einschließlich Aufmerksamkeit, MoE-Architekturen und Video-Generierungspipelines
- Hardware-Software-Co-Design und skalierbare Inferenzinfrastruktur für aufkommende Beschleuniger
- Forschung von Projekten von Anfang bis Ende innerhalb des Fahrplans des Teams: von der Idee über den Prototyp bis zu Ergebnissen im großen Maßstab
- Implementierung und Optimierung der Modellausführung, Kerne, Frameworks oder Inferenzsysteme und Umsetzung der Ergebnisse in funktionierende Systeme und Demos
- Profilierung und Beschleunigung von Modellen auf großen NPU/GPU-Clustern, zusammen mit Ingenieurteams
- Umsetzung von Forschungsergebnissen in Echtzeit-Demos und einsatzfähige Systeme
- Definition repräsentativer Benchmarks und Quantifizierung von Latenz, Durchsatz, Speichereffizienz, Qualität und Kosten im großen Maßstab
- Veröffentlichung in führenden Fachzeitschriften (CVPR, ICCV/ECCV, NeurIPS, ICLR, ICML, SIGGRAPH, MLSYS) und Beitrag zu Open-Source-Projekten
- Vorschlag neuer Forschungsideen und -richtungen für das Team
- Co-Supervision von Praktikanten und Teilnahme an Interviews als sekundärer Teil der Rolle
- PhD in Informatik, Elektrotechnik, Künstlicher Intelligenz, Maschinellem Lernen oder einem verwandten Bereich oder gleichwertige Forschungserfahrung in der Industrie
- Forschungspublikationen oder nachgewiesene Forschungsauswirkungen in der Industrie in den Bereichen KI-Systeme, effizientes ML, Compiler oder verwandte Bereiche
- Nachgewiesene praktische Erfahrung in der Optimierung von KI-Modellen oder -Systemen mit messbaren Verbesserungen in Latenz, Durchsatz, Speicherverbrauch oder Hardwareauslastung
- Starke Programmierkenntnisse in Python und Erfahrung mit mindestens einem relevanten ML-, Compiler- oder Systemprogrammier-Stack
- Erfahrung in der Profilierung, Benchmarking und Diagnose von Leistungsengpässen in ML-Arbeitslasten
- Nachgewiesene Fähigkeit, Forschung unabhängig von der Idee bis zur Implementierung und zum Ergebnis durchzuführen
- Klare Kommunikation, sowohl schriftlich als auch in Vorträgen
- AI-agent-gesteuerte Optimierung unter Verwendung automatisierter Profilierung, Benchmarking und iterativer Verbesserung auf einer oder mehreren Ebenen:
- System/Arbeitslast: Planung, Ressourcenallokation, Caching und End-to-End-Latenzoptimierung über Modelle und Hardware
- Modell/Framework: Graphtransformationen, Operatorenauswahl, Quantisierung oder Ausführungsoptimierung (z.B. PyTorch, TensorRT, vLLM)
- Kernel/Operator: Automatisierte Kernel-Generierung und -Tuning (z.B. CUDA, Triton, Ascend C)
- Verteilte Inferenz, Parallelität, Kommunikation-Compute-Überlappung und GPU/NPU-Speicheroptimierung
- Compiler-Optimierung, Kernelfusion, Graphtransformationen oder Inferenz mit niedriger Präzision (FP8/FP4, MX-Formate)
- Langzeit-Inferenz, KV-Cache-Optimierung, spärliche Aufmerksamkeit oder MoE-Beschleunigung
- Schritt-Destillation, Pruning und Optimierung generativer Modelle
- Multimodale Systeme, Streaming-Video-Generierung, VAE-Dekodierung oder Multi-Modell-Agenten-Arbeitslasten
- Beiträge zu Open-Source-KI-Frameworks, Compilern oder Inferenzsystemen
- Praktische Forschung in der KI-Leistungsoptimierung und skalierbaren KI-Systemen mit echtem Einfluss auf die Richtung des Teams
- Enge Zusammenarbeit mit Forschern und Ingenieuren von führenden Universitäten, Forschungseinrichtungen und Industrie-Teams
- Zugang zu großangelegten KI-Modellen und fortschrittlichen KI-Computing-Plattformen
- Unterstützung beim Veröffentlichen, Beiträgen zu Open-Source und Teilnahme an Konferenzen
- Die Möglichkeit, Praktikanten zu betreuen und co-supervisieren
- Ein hochinternationales Forschungsumfeld in Europa
Wir sind besonders an Forschern interessiert, die vielversprechende KI-Methoden in effiziente Systeme auf realer Hardware umsetzen können. Unsere Leitfrage lautet:
- Wie können wir komplexe KI-Modelle und -Arbeitslasten schneller, skalierbarer und effizienter auf realer Hardware machen?
Wenn Sie praktische Forschung zur Leistungsoptimierung, zur effizienten KI-Ausführung und zu großangelegten Systemen durchführen möchten, würden wir uns freuen, von Ihnen zu hören.
Research Scientist – AI Performance Optimization and Systems Arbeitgeber: Huawei
Huawei's Ohm Research Center in Nürnberg bietet eine dynamische und innovative Arbeitsumgebung, die von Teamgeist und intensivem Wissensaustausch geprägt ist. Als Senior Engineer im Bereich der Mittelspannungsumrichtersteuerung profitieren Sie von umfangreichen Weiterbildungsmöglichkeiten, einer vielfältigen und einladenden Kultur sowie gesunden Mahlzeiten in unserer renommierten Betriebskantine. Hier haben Sie die Möglichkeit, in einem kompetenten und motivierten Team selbstverantwortlich zu arbeiten und Ihre Karriere in einem globalen Unternehmen voranzutreiben.
StudySmarter Expertenrat🤫
Wir sind der Meinung, dass du so Research Scientist – AI Performance Optimization and Systems erhalten könntest
✨Engagier dich in Entwickler-Communities!
Lass uns mal ehrlich sein: In der Software-Entwicklung sind Netzwerke Gold wert! Tummel dich in GitHub-Projekten, nehme an lokalen Meetups oder Hackathons teil und vernetze dich mit anderen Entwicklern. So steigerst du nicht nur deine Sichtbarkeit, sondern lernst auch die neuesten Trends und Technologien kennen.
✨Zeig deine Fähigkeiten!
Erstelle ein Portfolio, das deine besten Projekte und Code-Examples zeigt. Nichts überzeugt mehr als ein praktischer Beweis deiner Skills. Das kann auch helfen, bei Huawei anzuklopfen, wenn du dich auf die Stelle als Research Scientist – AI Performance Optimization and Systems bewirbst – so wissen sie gleich, was sie von dir erwarten können!
✨Nutze Jobplattformen speziell für Tech-Jobs!
Plattformen wie Stack Overflow Jobs oder AngelsList sind perfekte Orte, um Vollzeitstellen in der Software-Entwicklung zu finden. Hier sind viele tolle Unternehmen auf der Suche nach Talenten wie uns, also schau regelmäßig vorbei und bewirb dich direkt über die Website.
✨Such dir Mentoren und Feedback!
Hol dir Feedback von erfahrenen Entwicklern, die dir Tipps geben können, was Recruiter wirklich suchen. Ob über LinkedIn oder persönliche Kontakte: Menschen, die sich in der Branche auskennen, können enorm wertvoll sein, um dir zu helfen, dich optimal auf deine Bewerbung bei Huawei vorzubereiten!
Wir glauben, dass du diese Fähigkeiten brauchst, um Research Scientist – AI Performance Optimization and Systems mit Bravour zu bestehen
Einige Tipps für deine Bewerbung 🫡
Highlights deiner Coding-Skills:In der Software-Entwicklung kommt es auf konkrete Fähigkeiten an. Vergiss nicht, relevante Programmiersprachen und Frameworks in deinen Lebenslauf aufzunehmen. Zeig uns, was du kannst – vielleicht mit einem Link zu deinem GitHub-Profil oder einer Übersicht deiner Side Projects, die deine Programmierkenntnisse illustrieren.
Dokumentation deiner Erfolge:Gerade bei einer Vollzeitstelle in der Software-Entwicklung sind konkrete Ergebnisse Gold wert. Nenn uns Zahlen und Ergebnisse aus deinen vorherigen Projekten. Hast du den Code optimiert oder Systemfehler behoben? Solche Erfolge zeigen, dass du die Sprache der Entwickler sprichst und einen echten Mehrwert bringst.
Attraktive Projektbeschreibungen:Wenn du an Projekten gearbeitet hast, die hervorstechen, beschreibe sie ausführlich in deinem Lebenslauf. Was war das Problem, das du gelöst hast? Welche Technologien hast du eingesetzt? Das gibt uns einen klaren Einblick in deine Herangehensweise und Problemlösungsfähigkeiten.
Motivation zeigen:In deinem Anschreiben solltest du deine Motivation für die Stelle im Bereich Software-Entwicklung bei Huawei klar herausstellen. Warum sprichst gerade du die Anforderungen für diese Vollzeitrolle an? Mach deutlich, was dich an der Arbeit bei uns reizt und wie du über das rein Technische hinaus wachsen möchtest.
Wie man sich auf ein Vorstellungsgespräch bei Huawei vorbereitet
✨Technische Vorbereitung auf die Coding-Challenges
In der Software-Entwicklung sind technische Fragen oft ein zentraler Teil des Interviews. Macht euch mit Plattformen wie LeetCode oder HackerRank vertraut, um eure Problemlösungsfähigkeiten zu trainieren. Zeigt im Interview viel Selbstbewusstsein beim Erklären eurer Ansätze!
✨Das eigene Portfolio im besten Licht präsentieren
Stellt sicher, dass ihr ein aussagekräftiges Portfolio habt, das einige eurer besten Projekte zeigt. Seid bereit, darüber zu sprechen, was eure Rolle war, welche Technologien ihr verwendet habt und welche Herausforderungen es gab. Das gibt den Interviewern einen Einblick in eure praktische Erfahrung.
✨Teamfähigkeit und Kommunikation betonen
In einer Vollzeit-Position wird Kommunikation im Team sehr wichtig sein. Seid bereit, Beispiele aus der Vergangenheit zu teilen, in denen ihr effektiv im Team gearbeitet habt. Dies zeigt, dass ihr nicht nur technische Fähigkeiten habt, sondern auch gut ins Team passt.
✨Vorbereitung auf Fragen zur Software-Architektur
Bereitet euch darauf vor, Fragen zur Software-Architektur zu beantworten. Themen wie RESTful APIs, Microservices und Cloud-Architekturen können Teil eures Interviews sein. Zeigt euer Verständnis durch Diskussionen und Beispiele aus eurer bisherigen Arbeit oder Projekte.