Senior Deep-Learning-Ingenieur – Genauigkeitsbewertung

Stelle nicht auf LinkedIn

🔥 vor 1 Stunde

🌐 Polen, Spanien, +3 weitere Länder – Remote

🇵🇱 Polen – Remote 🇪🇸 Spanien – Remote 🇨🇭 Schweiz – Remote 🇩🇪 Deutschland – Remote 🇳🇱 Niederlande – Remote

💵 zł375.000 - zł650.000 / Jahr

⏰ Vollzeit

🟠 Senior

🤖 Machine-Learning-Entwickler

👻 Geisterscore 1%

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

• Entwerfen und Aufbau von entscheidungsrelevanten Evaluierungsumgebungen für NVIDIAs Frontier-Modelle, die Bereiche wie Reasoning, Multimodalität, Langkontext und agentische Systeme abdecken • Erzeugen prüfbarer Genauigkeitssignale, die als Freigabe-Kriterium für jede größere Modellauslieferung dienen • Erforschung und Entwicklung neuartiger Evaluationsmethoden für aufkommende Modellfamilien und Fähigkeitsbereiche • Aufbau und Betrieb von Evaluierungsinfrastruktur und -pipelines, einschließlich Benchmark-Umgebungen, Regression-CI-Systemen und Tools für statistische Analysen • Zusammenarbeit mit Modellforschungs-, Trainings- und Kundenteams, um Evaluationssignale in Release-Entscheidungen, Richtung von Trainingsiterationen und Wettbewerbspositionierung zu übersetzen • Zusammenarbeit unternehmensweit, um Flaggschiff-Modelle aus der Community und von Partnern zum Einsatz zu bringen • Bereitstellung fortschrittlicher Modelle mit blitzschneller Inferenz auf unternehmensüblichen GPU-Clustern

🎯 Anforderungen

• Bachelor-, Master- oder Doktorabschluss in Informatik, Machine Learning, Statistik oder einem verwandten Fach • Mindestens 6 Jahre praktische Erfahrung mit LLMs • Erfahrung im Entwerfen und Durchführen von Evaluationsstudien für Large Language Models oder multimodale KI-Systeme • Erfahrung mit agentischen, mehrstufigen (multi-turn) oder reasoning-intensiven Szenarien • Fundierte statistische Grundlagen, einschließlich Versuchsplanung, Signifikanztests und Regressionsanalyse • Nachweisliche Erfahrung beim Aufbau von Evaluierungsinfrastruktur, einschließlich Pipelines, Benchmark-Harnesses und reproduzierbaren CI-Systemen • Fähigkeit, Signal von Rauschen in Benchmark-Ergebnissen im großen Maßstab zu unterscheiden • Fähigkeit, quantitative Evaluationsergebnisse in Entscheidungen für Forschende, Produktteams und Senior Leadership zu übersetzen • Fachkenntnisse in Deep Learning und KI-Evaluation • Vertrautheit mit Open-Source-Evaluationsframeworks • Erfahrung im Entwerfen von Evaluationsmethoden für agentische Systeme • Erfolgsbilanz bei Publikationen oder Beiträgen zu Evaluation Research, Benchmark-Design, Methodologiepapieren oder Reproduzierbarkeitsanalysen • Erfahrung bei der Messung der Modellgenauigkeit unter Low-Precision-Inferenz, einschließlich FP8, INT4 und quantisierungsbewussten Einstellungen • Sicherer Umgang mit groß angelegten Workloads auf HPC-/Slurm-Clustern • Erfahrung mit reproduzierbarem Experiment-Management unter Verwendung von MLflow oder W&B • Erfahrung in der Optimierung von Rechenkosten über Hunderte von Benchmark-Durchläufen