Principal Research Scientist, Synthetic Data Generation

🕒 vor 1 Monat

🏄 California, Colorado, +2 weitere Bundesländer – Remote

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

💵 $272.000 - $431.250 / Jahr

⏰ Vollzeit

🔴 Experte

🧬 Forschungswissenschaftler

🦅 H1B-Visum-Sponsor

Dieses Unternehmen hat in der Vergangenheit H1B-Visa gesponsert.

👻 Geisterscore 7%

Was es bedeutet: die Wahrscheinlichkeit, dass für diese Stelle niemand wirklich einstellt.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

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

• 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

🎯 Anforderungen

• 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

🏖️ Vorteile

• Equity • Benefits

📊 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