Principal Research Scientist, Synthetic Data Generation

🕒 Setembro 4

🏄 California, Colorado, +2 estados a mais – Remoto

🏄 California – Remote ⛰️ Colorado – Remote 🗽 New York – Remote 🍂 Massachusetts – Remote

💵 $272.000 - $431.250 / ano

⏰ Tempo Integral

🔴 Especialista

🧬 Cientista Pesquisador(a)

🦅 Patrocina Visto H1B

Esta empresa já patrocinou vistos H1B no passado.

👻 Score fantasma 6%

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

NVIDIA

SiteLinkedInTodas as Vagas

10.000+ funcionários

Fundada em 1993

🏥 Saúde

🏭 Manufatura

🤖 Inteligência Artificial

Healthcare • Manufacturing • Artificial Intelligence

A NVIDIA é uma empresa de tecnologia líder, especializada em computação acelerada e inteligência artificial. A companhia é pioneira em avanços em unidades de processamento gráfico (GPUs), computação em nuvem, data centers e realidade virtual, com foco nos setores de games, automotivo, saúde e robótica. As inovações da empresa, como o NVIDIA Omniverse, transformam processos digitais tradicionais ao viabilizar simulações de alta fidelidade e tarefas de renderização. Suas aplicações abrangem diversos setores, desde veículos autônomos com o NVIDIA DRIVE até soluções de saúde com o NVIDIA Clara, além de análises e fluxos de trabalho impulsionados por IA.

Descrição

• Set the technical direction for synthetic data generation across NVIDIA's frontier model efforts • Define and build open-source libraries within the NVIDIA NeMo ecosystem • Generate synthetic datasets across text, code, structured, and multimodal data for LLM pre- and post-training • Build and scale LLM-based data generation pipelines with automated quality evaluation • Develop synthetic trajectories, multi-turn interactions, function calling, executable environments, reward modeling, and verifiable-reward data for agentic and tool-use training • Advance multimodal synthetic data generation for image, document, video, and audio • Advance privacy-preserving and safe synthesis using differential privacy, anonymization, and de-identification • Develop and maintain open-source libraries and SDKs with clean APIs and strong documentation • Drive software excellence through modern tooling, configurable architecture, and professional Git/CI-CD • Publish original research at leading machine learning and AI conferences • Collaborate with research, engineering, product, model teams, and external labs • Mentor scientists and engineers across the team

🎯 Requisitos

• PhD in Computer Science, Machine Learning, Statistics, or a related field, or equivalent experience • 15+ years of engineering and research experience in synthetic data generation, generative modeling, multimodal machine learning, or related areas • Deep technical understanding of LLMs, pre-training, post-training, RL stages, and inference frameworks such as vLLM or TGI • Proven track record of developing or maintaining software libraries used by a broad developer community • Experience building and optimizing scalable data pipelines for large-scale model training, including throughput, distributed inference, and cost at cluster scale • Strong publication record at premier venues such as NeurIPS, ICML, ICLR, ACL or similar • Significant open-source contributions in ML or data tooling, with community adoption • Experience with multimodal generation or understanding, including vision-language, document AI, video, or audio • Experience generating data for agentic, tool-use, or reinforcement-learning post-training, including RL environment design • Background in differential privacy, de-identification, or synthetic data for regulated industries such as healthcare, finance, or government • Experience influencing model training decisions at frontier scale, or partnering directly with pre-training and post-training teams

🏖️ Benefícios

• Equity • Benefits