AI Systems, Model Optimization

🕒 vor 2 Monaten

🏄 California – Remote

🏄 California – Remote

⏰ Vollzeit

🟡 Mittelstufe

🟠 Senior

🤖 Künstliche Intelligenz

👻 Geisterscore 30%

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

Unconventional AI

WebsiteLinkedInAlle Stellen

11 - 50 Mitarbeiter

🤖 Künstliche Intelligenz

🔧 Hardware

⚡ Energie

Artificial Intelligence • Hardware • Energy

Unconventional AI überdenkt die Grundlagen eines Computers, um die Energieeffizienz für KI zu optimieren. Gegründet von Experten in KI-Systemen, analogen Schaltungen, Computer-Theorie und Neurowissenschaften, hat sich das Unternehmen zum Ziel gesetzt, die Effizienz von biologischen Systemen auf die künstliche Intelligenz zu übertragen. Dies soll durch die Neugestaltung von Computerarchitekturen und Hardware geschehen, um den Energieverbrauch für KI-Lasten zu reduzieren.

Beschreibung

• Develop the path from model architecture to physical silicon. • Develop the training techniques, optimization strategies, and infrastructure required to make AI models run efficiently on novel compute substrates. • Develop rigorous performance models to evaluate compute, memory, and energy trade-offs. • Drive the partitioning and mapping of complex AI models down to hardware. • Develop and apply Quantization-Aware Training (QAT), noise-aware training, and sparsification techniques. • Develop and optimize kernels using low-level programming models like CUDA, Triton, or CUTLASS. • Act as a translator between AI model architects and hardware/infrastructure engineering teams.

🎯 Anforderungen

• An MS/PhD or equivalent research/project experience in a quantitative field such as AI/Machine Learning, Computer Science, Physics, Electrical Engineering, or Applied Math. • Deep, practical understanding of the modern AI/ML stack and optimized compilation and execution of algorithms on modern GPU systems. • Proven experience in profiling, identifying, and resolving performance bottlenecks in complex ML codebases. • Demonstrated ability to map state-of-the-art AI model architectures (e.g., Transformers, Mixture of Experts, diffusion models) to system performance implications. • Deep experience with PyTorch, including its internals, torch.compile, and distributed data parallel (DDP) / fully sharded data parallel (FSDP) libraries.

🏖️ Vorteile

• A comprehensive package including best-in-class health benefits • 401k matching • Truly unlimited PTO • Complimentary meals in our Palo Alto office