Relational Foundation Model Engineer, Modern Data Stack

Unsere Arbeit bei NVIDIA ist auf ein Rechenmodell ausgerichtet, das sich auf visuelle und KI-Computing konzentriert. Seit zwei Jahrzehnten hat NVIDIA das visuelle Computing, die Kunst und Wissenschaft der Computergrafik, mit unserer Erfindung der GPU revolutioniert. Die GPU hat sich auch als spektakulär effektiv erwiesen, um einige der komplexesten Probleme in der Informatik zu lösen. Heute simuliert die GPU von NVIDIA menschliche Intelligenz, führt Deep-Learning-Algorithmen aus und fungiert als Gehirn von Computern, Robotern und selbstfahrenden Autos, die die Welt wahrnehmen und verstehen können.

Wir suchen nach den klügsten Menschen der Welt, um unser Unternehmen und unsere Teams zu erweitern, und es gab nie einen aufregenderen Zeitpunkt, um uns beizutreten! NVIDIA definiert neu, was mit KI möglich ist, und unser Team für Relationale Fundamentmodelle steht an der Spitze dieser Mission. Wir bauen ein einheitliches Fundamentmodell, das die Struktur und Beziehungen innerhalb jeder relationalen Datenbank oder heterogenen Graphen versteht – ein grundlegend neuer Ansatz für Unternehmens-KI.

Als Ingenieur in diesem Team werden Sie nicht nur bestehende Modelle verfeinern; Sie werden neuartige Transformer- und GNN-Architekturen entwerfen und experimentieren, die über verschiedene relationale Schemata generalisieren. Ihre Arbeit wird direkte Auswirkungen auf reale Anwendungen haben, die von Empfehlungssystemen über Nachfrageprognosen bis hin zu Betrugserkennung und prädiktiver Wartung reichen – alles unterstützt von einem erweiterbaren Modell. Sie werden eng mit Forschern und Ingenieuren über den gesamten ML-Lebenszyklus zusammenarbeiten, von der Architekturexploration und dem großangelegten Training bis hin zur Nachtraining-Optimierung und Beschleunigung der Inferenz.

Dies ist eine seltene Gelegenheit, zu grundlegender Forschung beizutragen, die in die Produktion geht und den modernen Datenstapel prägt. Wenn Sie sich für Graph-Lernen, relationale Schlussfolgerungen und den Aufbau von KI-Systemen begeistern, die weit über Einzel-Tabelle-Benchmarks hinausgehen, sind Sie in diesem Team genau richtig.

Was Sie tun werden:

• Zusammenarbeit mit Forschern/Ingenieuren zur Verbesserung unserer auf Transformer und GNN basierenden Modelle, damit sie nahtlos über jedes relationale Schema und heterogene Graphen arbeiten.
• Praktische Erfahrung mit hochwirksamen Anwendungsfällen wie Prognosen, Entitätsabgleich, Kundenbindung und Betrugserkennung – alles aufgebaut auf einem einzigen, erweiterbaren Fundamentmodell.
• Nutzung Ihres Wissens in ML und KI, um reale Herausforderungen anzugehen und skalierbare sowie anpassungsfähige Lösungen zu entwickeln, die die Grenzen des Möglichen erweitern.
• Arbeit über den gesamten Lebenszyklus moderner ML-Systeme: von der Architekturdesign/Training bis hin zur Nachtraining-Optimierung und Inferenzbeschleunigung.
• Beitrag zu unserer nächsten Generation des Relationalen Fundamentmodells.

Was wir sehen möchten:

• MS oder PhD in Maschinenlernen, Informatik oder einem gleichwertigen Programm.
• Kenntnisse in Python und Deep-Learning-Frameworks wie PyTorch.
• Mindestens 8 Jahre Forschungserfahrung in der Gestaltung von ML-Algorithmuslösungen.
• Praktische Erfahrung in der Anwendung prädiktiver Modelle in realen Anwendungen.

Wie Sie sich von der Masse abheben können:

• Vertrautheit mit graphbasiertem maschinellen Lernen; Veröffentlichungen in Fachzeitschriften wie NeurIPS, ICLR, ICML oder ähnlichem.