Architecte de solutions, GTM CSP

🔥 il y a 29 minutes

🌐 France, Royaume-Uni – Distant

🇫🇷 France – Télétravail 🇬🇧 Royaume-Uni – Télétravail

⏰ Temps Plein

🟡 Intermédiaire

🟠 Senior

💻 Ingénieur Solutions

👻 Score fantôme 11%

Ce que ça veut dire : la probabilité que cette offre reste ouverte sans recrutement actif.Comment le lire : 60 % ou plus, on pense que c'est une offre fantôme. Un score plus bas est moins inquiétant.Comment on la calcule : ancienneté, republications, postes ouverts vs taille de l'équipe, rapidité de clôture, et si le salaire est indiqué.À noter : une estimation à partir de données publiques, pas un jugement sur l'entreprise. De vraies offres peuvent avoir un score élevé, alors prenez-le comme un indice, pas comme un fait.

Postuler Maintenant

Trouver des Emplois à Distance Similaires

Configurer une alerte email pour les nouveaux emplois

📊 Vérifiez votre score de CV pour ce poste

Améliorez vos chances d'obtenir un entretien en vérifiant votre score de CV avant de postuler.

Télécharger le CV

NVIDIA

Site WebLinkedInTous les Emplois

10 000+ employés

Fondée en 1993

🏥 Santé

🏭 Fabrication

🤖 Intelligence artificielle

Healthcare • Manufacturing • Artificial Intelligence

NVIDIA est une entreprise technologique de premier plan, spécialisée dans le calcul accéléré et l’intelligence artificielle (IA). NVIDIA est à l’avant‑garde des avancées en GPU (processeurs graphiques), cloud computing, centres de données et réalité virtuelle, avec un accent particulier sur les secteurs du gaming, de l’automobile, de la santé et de la robotique. Ses innovations, telles que NVIDIA Omniverse, transforment les processus numériques traditionnels en permettant des simulations haute fidélité et des tâches de rendu de pointe. Ses applications couvrent de nombreux secteurs, des véhicules autonomes avec NVIDIA DRIVE aux solutions de santé avec NVIDIA Clara, ainsi que des analyses et workflows pilotés par l’IA.

Description

• Concevoir et présenter aux développeurs des solutions fondées sur les technologies logicielles et matérielles de NVIDIA et des hyperscalers dans le domaine de l’IA générative • Travailler directement avec des clients clés et des partenaires hyperscalers afin de comprendre leurs enjeux et de proposer des solutions basées sur les produits NVIDIA • Analyser et optimiser des systèmes accélérés par GPU à l’aide des plateformes logicielles NVIDIA, notamment les pipelines d’entraînement et d’inférence • Collaborer avec les équipes Engineering, Product et Sales afin de planifier des solutions adaptées • Favoriser le développement et l’évolution des fonctionnalités produit grâce aux retours clients et à l’évaluation de preuves de concept • Développer une expertise sectorielle et contribuer à l’intégration des technologies NVIDIA dans les architectures informatiques d’entreprise • Réaliser des démonstrations de preuves de concept • Développer des relations avec des cadres et des responsables techniques afin de promouvoir l’accelerated computing et l’IA générative • Échanger avec des développeurs, des chercheurs, des data scientists, des responsables IT et des cadres dirigeants

🎯 Exigences

• Au moins 5 ans d’expérience en tant qu’Architecte de solutions, ingénieur solutions ou dans un poste similaire dans des domaines liés à l’IA • Excellentes aptitudes à la communication orale et écrite ; aisance dans la présentation de solutions techniques en anglais • Expertise dans le déploiement de pipelines d’entraînement et d’inférence à grande échelle sur des infrastructures hyperscalers, avec une spécialisation sur GCP • Diplôme de niveau master, doctorat ou équivalent en informatique, data science, génie électrique ou informatique, physique, mathématiques ou dans un autre domaine de l’ingénierie • Parcours académique et/ou professionnel confirmé en machine learning, deep learning et/ou data science • Capacité à travailler avec les équipes Engineering, Product, Sales et Marketing • Autonomie, intérêt pour la progression et l’apprentissage continu, ainsi que pour le partage des résultats au sein de l’équipe • Expérience des plateformes hyperscalers telles que GCP • Expérience de l’exécution et de l’optimisation d’entraînements distribués de deep learning à grande échelle • Expérience de l’optimisation de pipelines d’inférence, notamment par la compression de modèles, la compilation de modèles ou le model serving • Expérience des architectures de grande taille basées sur les transformers • Expérience des technologies DevOps telles que Docker, Kubernetes et Singularity