PhysicsX

Старший инженер прикладных решений

Коротко

Старший инженер в исследовательскую команду PhysicsX в Сингапуре, создающей физические фундаментальные ИИ-модели для промышленности (аэрокосмическая, автомобильная, полупроводниковая, энергетическая отрасли). Роль требует проектирования и масштабирования моделей машинного/глубокого обучения на больших данных в многопроцессорных облачных вычислениях, перевода исследовательских прототипов в надежный код и работы на стыке Data Science и программной инженерии. Нужны степень магистра/PhD в соответствующей области, опыт в HPC/научных вычислениях, распределенном обучении, Python (PyTorch, JAX и др.), C/C++, облачных платформах и контейнеризации (Docker, Kubernetes). Формат работы — гибрид, офис в Шордиче.

О нас
Переосмысление инженерии в эпоху интеллекта
PhysicsX — это компания, занимающаяся физическим искусственным интеллектом для промышленности. Миссия компании — ускорить инновации в аппаратном обеспечении, полностью изменив то, как сегодня выглядят промышленное проектирование и производство. PhysicsX создает новый стек программного обеспечения для моделирования, чтобы обеспечить глубокое внедрение физического ИИ на протяжении всего жизненного цикла инженерных разработок. Компания сотрудничает с ведущими организациями в аэрокосмической и оборонной промышленности, автомобильной отрасли, полупроводниках, материалах, а также в энергетике и возобновляемых источниках энергии, поддерживая их в решении одних из самых критичных и сложных задач. Штаб-квартира PhysicsX находится в Великобритании, с офисами в Лондоне, Нью-Йорке и Сингапуре, а также расширяющимся присутствием в районе залива. PhysicsX начинает формировать исследовательскую команду в Сингапуре для создания физических фундаментальных моделей совместно с клиентами и партнерами, ориентируясь на инженерные области, где эта возможность будет наиболее трансформирующей.
Что вам предстоит делать
•Тесно сотрудничать с научными сотрудниками, инженерами по моделированию, клиентами и партнерами для создания ИИ-моделей, решающих реальные задачи физики и инженерии.
•Проектировать и создавать физические фундаментальные модели с акцентом на эффективное масштабирование обучения моделей на больших данных в многопроцессорных облачных вычислениях.
•Преобразовывать прототипы, созданные коллегами-исследователями, в надежные и оптимизированные реализации, оспаривая архитектурные решения, которые ухудшают масштабируемость.
•Определять и аргументировать выбор лучших библиотек, фреймворков и инструментов для обеспечения успеха.
•Владеть исследовательскими направлениями на разных уровнях в зависимости от опыта.
•Обсуждать результаты и последствия работы с коллегами и клиентами, особенно то, как эти результаты могут решать реальные проблемы.
•Работать на стыке науки о данных и программной инженерии, переводя результаты исследований в переиспользуемые библиотеки, инструменты и продукты.
•Поощрять любознательность и инициативу среди коллег и подопечных.
Что вы приносите с собой
•Энтузиазм в разработке решений машинного обучения, особенно глубокого обучения и/или вероятностных методов, а также сопутствующих программных решений для науки и инженерии.
•Способность работать автономно, определять объем и эффективно выполнять проекты в различных областях.
•Сильные навыки решения проблем и способность быстро анализировать вопросы, выявлять причины и рекомендовать решения.
•Отличные навыки сотрудничества и коммуникации — как с командами, так и с клиентами.
•Степень магистра или доктора наук в области компьютерных наук, машинного обучения, прикладной статистики, математики, физики, инженерии, программной инженерии или смежной области, с опытом в любой из следующих областей:
•Научные вычисления;
•Высокопроизводительные вычисления (кластеры CPU / GPU);
•Параллельное / распределенное обучение для больших / фундаментальных моделей.
•Желательно более 2 лет опыта работы в ориентированной на данные, профессиональной среде, с опытом в:
•масштабировании и оптимизации моделей машинного обучения, обучении и обслуживании фундаментальных моделей в масштабе (федеративное обучение является плюсом);
•распределенных вычислительных фреймворках (например, Spark, Dask) и фреймворках высокопроизводительных вычислений (MPI, OpenMP, CUDA, Triton);
•облачных вычислениях (на платформах гипермасштаберов, например AWS, Azure, GCP);
•создании моделей машинного обучения и пайплайнов на Python с использованием распространенных библиотек и фреймворков (например, NumPy, SciPy, Pandas, PyTorch, JAX), особенно в приложениях глубокого обучения;
•C/C++ для компьютерного зрения, обработки геометрии или научных вычислений;
•концепциях и лучших практиках программной инженерии (например, версионирование, тестирование, CI/CD, проектирование API, MLOps);
•контейнеризации и оркестрации (Docker, Kubernetes, Slurm);
•написании пайплайнов и экспериментальных сред, включая систематическое проведение экспериментов в пайплайнах.
Что мы предлагаем
Создавайте то, что действительно важно — помогайте формировать инженерную компанию, ориентированную на ИИ, на раннем этапе, решая задачи, которые действительно важны для промышленности и общества.
Учитесь вместе с выдающимися людьми — работайте с высококвалифицированной, сплоченной командой инженеров, ученых и операторов, которые глубоко заинтересованы в отличной работе и в том, чтобы помогать друг другу становиться лучше.
Влияние важнее иерархии — компания работает по плоской структуре: побеждают хорошие идеи, откуда бы они ни исходили. Сомневаться в предположениях и бросать вызов статус-кво не просто приветствуется, это ожидается.
Устойчивый темп, долгосрочные амбиции — гибридная модель сочетает время, проведенное вместе в офисе в Шордиче, с днями работы из дома, предоставляя гибкость для устойчивой работы при сохранении личного общения.

Хватит откликаться.
Получите рекомендацию.

$10 стартовых кредитов

Всего 60 секунд, полностью на автопилоте — AI-агенты Eraldt читают ваше резюме, определяют подходящие роли, находят живые вакансии и людей, которые могут вас порекомендовать, пишут им личные письма и добиваются рекомендации.

Это не отклик на вакансию: резюме не уходит в компанию, а рекомендацию именно по этой роли мы не обещаем.

Посмотрите, кто ещё получает интервью на автопилоте

Похожие вакансии