Senior Principal AI Engineer

🕒 Agosto 6

🇺🇸 Estados Unidos – Remoto (EUA)

⏰ Tempo Integral

🟠 Sênior

🤖 Engenheiro de IA

👻 Score fantasma 22%

O que significa: quão provável esta vaga está aberta sem contratação ativa.Como ler: 60% ou mais significa que achamos que é uma vaga fantasma. Pontuações mais baixas preocupam menos.Como pontuamos: tempo em aberto, republicações, vagas abertas vs tamanho do time, rapidez para fechar vagas, e se o salário está divulgado.Observação: é uma estimativa de dados públicos, não um julgamento da empresa. Vagas reais podem ter pontuação alta, então use como uma dica, não como um fato.

Candidatar-se

Encontrar Vagas Remotas Similares

Configurar Alerta de Email para Novas Vagas

📊 Verifique sua pontuação de currículo para esta vaga

Melhore suas chances de conseguir uma entrevista verificando sua pontuação de currículo antes de se candidatar.

Enviar Currículo

Cerence Inc.

SiteLinkedInTodas as Vagas

1001 - 5000 funcionários

Fundada em 2019

💼 Consultoria

📦 Logística

🏭 Manufatura

💰 Grant em 2020-12

Consulting • Logistics • Manufacturing

A Cerence Inc. é uma empresa global focada em fornecer soluções impulsionadas por IA, especialmente na indústria automotiva. Eles se especializam em tecnologias de IA conversacional e generativa que criam interações inteligentes, naturais e personalizadas entre humanos e veículos. Com inovações como seus modelos de linguagem de grande escala automotivos proprietários, a Cerence aprimora as experiências dos usuários em várias formas de transporte, incluindo carros, duas rodas e caminhões. A empresa já possui mais de 500 milhões de veículos entregues com sua tecnologia de IA, atendendo a mais de 80 OEMs e clientes Tier 1 em todo o mundo. A Cerence é dedicada a avanços contínuos em IA, com o objetivo de revolucionar as experiências do usuário no carro por meio da entrega rápida e integração perfeita de suas soluções.

Descrição

• Design and operate distributed training systems for large neural networks across GPU clusters • Optimize multi-node, multi-GPU execution for throughput and utilization • Diagnose and resolve compute, memory, and networking bottlenecks • Improve training stability and fault tolerance at scale • Partner with research and applied ML teams to productionize large-model training pipelines • Build and optimize GPU cluster orchestration with Slurm, Kubernetes, Ray, and RunAI • Ensure efficient scheduling, isolation, and fairness across training workloads • Optimize and debug distributed communication using NCCL, RDMA, InfiniBand, and NVLink • Scale large-model training with PyTorch Distributed, Megatron-LM, and DeepSpeed • Own multi-node launch configurations, failure recovery, and performance tuning • Apply activation checkpointing, ZeRO Stage 1–3, and offload strategies • Balance compute, memory, and communication to increase model size and batch scale • Eliminate GPU utilization, networking, communication, instability, and large-scale training failure modes • Enable larger models, faster iteration cycles, and more reliable research-to-production pipelines

🎯 Requisitos

• Deep hands-on experience with distributed systems or ML systems • Experience running large-scale workloads on GPU clusters • Production experience with PyTorch distributed training • Strong understanding of data, tensor, and pipeline parallelism • Low-level understanding of GPU communication and networking • Experience with Slurm, Kubernetes, Ray, and RunAI • Experience with NCCL, RDMA, InfiniBand, and NVLink • Experience with PyTorch Distributed, Megatron-LM, and DeepSpeed • Experience with activation checkpointing, ZeRO Stage 1–3, and offload techniques • Experience working with large language models or foundation models is a strong plus • Deep systems expertise valued over pure model architecture experience