Lösungsarchitekt (m/w/d) – CSP-GTM

🕒 vor 1 Monat

🇩🇪 Deutschland – Remote

⏰ Vollzeit

🟡 Mittelstufe

🟠 Senior

💻 Lösungsingenieur

👻 Geisterscore 14%

Was es bedeutet: wie wahrscheinlich diese Stelle offen bleibt, ohne dass aktiv eingestellt wird.So liest du es: 60 % oder höher heißt, wir halten das für einen Geisterjob. Niedrigere Werte sind weniger bedenklich.Wie wir werten: Dauer offen, Neuveröffentlichungen, offene Stellen vs Teamgröße, wie schnell Stellen geschlossen werden, und ob ein Gehalt angegeben ist.Hinweis: eine Schätzung aus öffentlichen Daten, kein Urteil über das Unternehmen. Echte Stellen können hoch punkten, nutze es also als Hinweis, nicht als Fakt.

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mail-Benachrichtigung für neue Jobs einrichten

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen

NVIDIA

WebsiteLinkedInAlle Stellen

10.000+ Mitarbeiter

Gegründet 1993

🏥 Gesundheitswesen

🏭 Fertigung

🤖 Künstliche Intelligenz

Healthcare • Manufacturing • Artificial Intelligence

NVIDIA ist ein führendes Technologieunternehmen mit Spezialisierung auf beschleunigtes Computing und Künstliche Intelligenz (AI). NVIDIA treibt Fortschritte bei Grafikprozessoren (GPUs), Cloud Computing, Rechenzentren und Virtual Reality voran und fokussiert dabei Branchen wie Gaming, Automotive, Gesundheitswesen und Robotik. Innovationen des Unternehmens wie NVIDIA Omniverse transformieren traditionelle digitale Prozesse, indem sie hochrealistische Simulationen und Rendering-Aufgaben ermöglichen. Die Anwendungen erstrecken sich über zahlreiche Branchen – von autonomen Fahrzeugen mit NVIDIA DRIVE über Gesundheitslösungen mit NVIDIA Clara bis hin zu AI-gestützten Analysen und Workflows.

Beschreibung

• Entwicklung und Demonstration von Physical-AI-Lösungen auf Basis der Software- und Hardwaretechnologien von Hyperscalern und NVIDIA • Direkte Zusammenarbeit mit wichtigen Kunden und Hyperscaler-Partnern, um Herausforderungen zu verstehen und auf NVIDIA-Produkten basierende Lösungen bereitzustellen • Durchführung umfassender Analysen und Optimierungen GPU-beschleunigter Systeme mithilfe der Softwareplattformen von NVIDIA • Unterstützung bei der Optimierung von Trainings- und Inferenzpipelines • Zusammenarbeit mit den Teams aus Engineering, Produktmanagement und Vertrieb, um die Herausforderungen von Entwicklern zu verstehen und geeignete Lösungen zu planen • Unterstützung der Entwicklung und Weiterentwicklung von Produktfunktionen durch Kundenfeedback und Proof-of-Concept-Bewertungen • Aufbau von Branchenexpertise und Mitwirkung an der Integration von NVIDIA-Technologien in Enterprise-Computing-Architekturen • Pflege von Beziehungen zu technischen Führungskräften und Managern sowie Förderung von Accelerated Computing und generativer KI • Zusammenarbeit mit Entwicklern, Forschern, Data Scientists, IT-Managern und leitenden Führungskräften

🎯 Anforderungen

• Master- oder Promotionsabschluss beziehungsweise gleichwertige Erfahrung in Informatik, Data Science, Elektrotechnik, Computer Engineering, Physik, Mathematik oder einem anderen technischen Studienbereich • Mindestens fünf Jahre Erfahrung in der Lösungsarchitektur oder im Solutions Engineering in KI-bezogenen Bereichen • Ausgeprägte Fähigkeit zum aktiven Zuhören, sehr gute mündliche und schriftliche Kommunikationsfähigkeiten sowie Sicherheit bei der Präsentation technischer Lösungen auf Englisch • Expertise in Physical-AI-Lösungen auf der Infrastruktur von Hyperscalern • Nachgewiesene akademische und/oder praktische Erfahrung in Machine Learning, Deep Learning und/oder Data Science • Fähigkeit zur Zusammenarbeit mit verschiedenen Hierarchieebenen und Teams aus Engineering, Produktmanagement, Vertrieb und Marketing • Eigeninitiative, Interesse an persönlicher Weiterentwicklung, Leidenschaft für kontinuierliches Lernen und Bereitschaft, Erkenntnisse im Team zu teilen • Erfahrung mit Physical-AI-Lösungen und -Angeboten auf Basis von Hyperscaler-Plattformen • Erfahrung im Betrieb und in der Optimierung groß angelegter verteilter Deep-Learning-Trainings sowie in der Optimierung von Inferenzpipelines • Verständnis von Inferenztechniken, einschließlich Model Compression, Model Compilation und Model Serving • Erfahrung mit größeren transformerbasierten Architekturen • Expertise in DevOps-Technologien wie Docker, Kubernetes, Singularity und vergleichbaren Lösungen