Senior Solutions Architect, Higher Education and Research, Multimodal and Physical AI

Senior Solutions Architect, Higher Education and Research, Multimodal and Physical AI

Vollzeit 60750 - 74250 € / Jahr (geschätzt) Homeoffice (teilweise)
N

Auf einen Blick

  • Aufgaben: Arbeite mit führenden Forschungseinrichtungen und entwickle innovative Lösungen im Bereich Multimodal AI.
  • Unternehmen: NVIDIA, ein Pionier in Computergraphik und KI-Technologie.
  • Vorteile: Attraktives Gehalt, flexible Arbeitszeiten und Möglichkeiten zur beruflichen Weiterentwicklung.
  • Weitere Informationen: Reiseanteil von 20%, aber flexible Arbeitsweise mit modernen Tools.
  • Warum dieser Job: Gestalte die Zukunft der Technologie und arbeite an bahnbrechenden Projekten.
  • Qualifikationen: Abschluss in einem MINT-Fach und 5+ Jahre Erfahrung in multimodalen Systemen.

Das prognostizierte Gehalt liegt zwischen 60750 - 74250 € pro Jahr.

NVIDIA hat die Computergraphik und das beschleunigte Rechnen seit drei Jahrzehnten neu definiert. Heute nutzen wir das unbegrenzte Potenzial von KI, um die nächste Ära des Rechnens zu definieren. Als NVIDIAN werden Sie in einer vielfältigen, unterstützenden Umgebung arbeiten, in der jeder ermutigt wird, sein Bestes zu geben und einen bleibenden Einfluss auf die Welt zu haben.

Wir suchen einen Solutions Architect, der mit akademischen und Forschungspartnern zusammenarbeitet. Solutions Architects sind die primären technischen Ansprechpartner für unsere Kunden und arbeiten eng mit Forschern und Anwendungsentwicklern zusammen, um die Einführung der NVIDIA-Technologie voranzutreiben. Wir suchen eine Person, die ein tiefes Verständnis für Multimodal AI und Physical AI mit Fachwissen in beschleunigtem Rechnen und Architektur kombiniert.

Was Sie tun werden:

  • Direkte Partnerschaft mit führenden Forschungslabors, Forschern und Universitätsdozenten als vertrauenswürdiger technischer Berater: Entwicklung eines tiefen Verständnisses ihrer wissenschaftlichen Ziele und Förderung gemeinsamer Forschungsprojekte im Supercomputing-Maßstab.
  • Identifizierung und Beschleunigung von hochwirksamen Arbeitslasten durch Integration von NVIDIAs Frameworks, Bibliotheken und Kernsoftware-Stack in Forschungsprojekte und Unterstützung von Forschern bei der Verstärkung ihres Einflusses durch Veröffentlichungen, Konferenzpräsentationen und technische Inhalte.
  • Für beschleunigtes Rechnen, Robotik, Multimodal AI und Physical AI eintreten und praktische Schulungen, Workshops, Vorträge und Demonstrationen auf NVIDIAs Plattformen durchführen sowie Power-User zu NVIDIA-Champions ausbilden.
  • Verfolgen von aufkommenden Forschungstrends und Umwandeln von Lücken zwischen den Bedürfnissen der Forscher und NVIDIAs Angeboten in prototypische Lösungen und direkte Rückmeldungen an die NVIDIA-Entwicklung.
  • Tiefes Fachwissen in Ihrem Bereich aufrechterhalten und gleichzeitig vielseitig über NVIDIAs gesamte Plattform bleiben: GPUs, CPUs, Netzwerke und Software.

Was wir sehen müssen:

  • Ein Hochschulabschluss von einer führenden Universität in einem STEM-bezogenen Fachgebiet oder gleichwertige Erfahrung.
  • Über 5 Jahre Erfahrung im multimodalen und Weltmodell-Lebenszyklus auf Multi-Node-GPU-Systemen: Video- und Bilddatenkuratierung im großen Maßstab, Vortraining und Nachtraining, Bewertung und effiziente Inferenz.
  • Starke Zusammenarbeit und Kommunikationsfähigkeiten, mit der Fähigkeit, Beziehungen zu akademischen und Forschungspartnern aufzubauen und komplexe Ideen klar sowohl an Experten als auch an Laien zu kommunizieren.
  • Handlungsorientiert, analytisch, selbstmotiviert und ein leidenschaftlicher Lerner mit ausgezeichneten organisatorischen Fähigkeiten, um in einer stark multitasking-orientierten Umgebung zu arbeiten.
  • Fließend in Englisch, sowohl mündlich als auch schriftlich, und sicher im Umgang mit Python.

Wie Sie sich von der Masse abheben können:

  • Ein PhD von einer führenden Universität in einem STEM-bezogenen Fachgebiet, mit über 3 Jahren Forschung in diesem Bereich.
  • Eine Erfolgsbilanz in der Gedankenführung: hochwirksame Veröffentlichungen, Vorträge auf akademischen Konferenzen und Workshops sowie ein gutes Verständnis für wissenschaftliche Politik, Förderprozesse oder nationale/europäische Forschungsprogrammbauten.
  • Erfahrung mit NVIDIAs Stack für visuelle und multimodale KI, basierend auf CUDA und CUDA-X, einschließlich Cosmos-Weltgrundlagenmodelle, NeMo-Framework und Megatron für multimodales Modelltraining, multimodale Nemotron-Methodik, Isaac-Roboterplattform, NuRec für neuronale Rekonstruktion, TensorRT und NIM für die Bereitstellung sowie Domänen-Frameworks wie MONAI für medizinische Bildgebung.

Als Solutions Architect ist Reisen erforderlich (20% der Arbeitszeit), da oft der beste Weg, Dinge herauszufinden, ein persönliches Treffen ist, aber der Job ist nicht nur auf der Straße. Wir nutzen intensiv Konferenztools, und Sie sind befugt, herauszufinden, wie Sie die Arbeit erledigen und alles tun, was nötig ist, um unsere Kunden erfolgreich zu machen.

Senior Solutions Architect, Higher Education and Research, Multimodal and Physical AI Arbeitgeber: NVIDIA

NVIDIA ist ein herausragender Arbeitgeber, der nicht nur wettbewerbsfähige Gehälter und umfassende Sozialleistungen bietet, sondern auch eine dynamische Arbeitskultur fördert, die Innovation und Zusammenarbeit in der Robotikbranche anregt. In dieser Schlüsselposition in der EMEA-Region haben Sie die Möglichkeit, ein leistungsstarkes Team zu leiten, strategische Beziehungen aufzubauen und bedeutende Wachstumschancen zu entwickeln, während Sie gleichzeitig von einem Umfeld profitieren, das persönliche und berufliche Weiterentwicklung unterstützt. Werden Sie Teil eines Unternehmens, das die Zukunft intelligenter Maschinen gestaltet und dabei auf eine positive Work-Life-Balance Wert legt.

N

Kontaktdaten:

NVIDIA Recruiting-Team

Wir glauben, dass du diese Fähigkeiten brauchst, um Senior Solutions Architect, Higher Education and Research, Multimodal and Physical AI mit Bravour zu bestehen

Multimodal AI
Physical AI
Accelerated Computing
GPU-Systeme
Datenkuratierung
Pre-Training und Post-Training
Evaluierung