华为昇腾AI日常实习
华为计算产品线昇腾计算产品部大模型技术lab,主要业务面向LLM、多模态、AIGC等热门领域,向世界提供第二算力平台选择,部门业务及个人发展前景好,27届及以上日常实习欢迎咨询!
(日常实习需线下公司内,2个月起且每周保证4天及以上。除正常实习工资外,学校/公司如异地给予额外补贴)
工作Base地上海/杭州
岗位职责:
1. 大模型研发与优化:
- 负责大规模预训练模型(如NLP、CV、多模态等)的算法设计与研发,包括模型架构创新、训练策略优化等。
- 探索大模型的高效训练方法,解决数据并行、模型并行、流水线并行等技术难题。
- 针对特定业务场景,进行模型剪枝、量化、蒸馏等优化,提升模型推理效率。
2. 分布式训练与性能优化:
- 设计和优化大规模分布式训练框架,提升训练效率与资源利用率。
- 解决大规模训练中的性能瓶颈问题,包括通信优化、内存优化等。
3. Al技术落地与应用:
- 将大模型技术与云计算业务场景结合,推动Al技术在智能客服、内容生成、数据分析等领域的应用落地。
- 与产品团队紧密合作,提供技术支持和解决方案,确保技术成果的快速转化。
4. 前沿技术研究:
- 跟踪AI领域的最新研究成果,探索大模型技术的前沿方向,如自监督学习、强化学习、多模态融合等。
- 参与学术交流与技术分享,提升团队的技术影响力。
任职要求:
1. 教育背景:
-计算机科学、人工智能、数学、统计学或相关领域的本科及以上学历,985、211、双一流优先。
2. 技术能力:
- 熟悉深度学习、自然语言处理、计算机视觉等领域的基本理论和算法。
- 具备大规模预训练模型(如GPT、BERT、Transformer等)的研发经验。
- 熟悉分布式训练框架(如PyTorch、TensorFlow、Horovod等),并具备性能优化经验。
- 熟悉模型压缩技术(如剪枝、量化、蒸馏等)者优先。
- 具备多模态大模型研发经验者优先。
3. 编程能力:
- 熟练掌握Python、C++、java、C、GO等任意一种编程语言,具备良好的代码风格和工程能力。
- 熟悉Linux开发环境,具备大规模数据处理和分布式系统开发经验。
4. 其他要求:
- 具备较强的学习能力和创新意识,能够快速掌握新技术并应用于实际场景。
- 良好的团队协作能力和沟通能力,能够与跨部门团队高效合作。
- 在顶级会议(如NeurIPS、ICML、CVPR、ACL等)发表过论文者优先。
#实习#
(日常实习需线下公司内,2个月起且每周保证4天及以上。除正常实习工资外,学校/公司如异地给予额外补贴)
工作Base地上海/杭州
岗位职责:
1. 大模型研发与优化:
- 负责大规模预训练模型(如NLP、CV、多模态等)的算法设计与研发,包括模型架构创新、训练策略优化等。
- 探索大模型的高效训练方法,解决数据并行、模型并行、流水线并行等技术难题。
- 针对特定业务场景,进行模型剪枝、量化、蒸馏等优化,提升模型推理效率。
2. 分布式训练与性能优化:
- 设计和优化大规模分布式训练框架,提升训练效率与资源利用率。
- 解决大规模训练中的性能瓶颈问题,包括通信优化、内存优化等。
3. Al技术落地与应用:
- 将大模型技术与云计算业务场景结合,推动Al技术在智能客服、内容生成、数据分析等领域的应用落地。
- 与产品团队紧密合作,提供技术支持和解决方案,确保技术成果的快速转化。
4. 前沿技术研究:
- 跟踪AI领域的最新研究成果,探索大模型技术的前沿方向,如自监督学习、强化学习、多模态融合等。
- 参与学术交流与技术分享,提升团队的技术影响力。
任职要求:
1. 教育背景:
-计算机科学、人工智能、数学、统计学或相关领域的本科及以上学历,985、211、双一流优先。
2. 技术能力:
- 熟悉深度学习、自然语言处理、计算机视觉等领域的基本理论和算法。
- 具备大规模预训练模型(如GPT、BERT、Transformer等)的研发经验。
- 熟悉分布式训练框架(如PyTorch、TensorFlow、Horovod等),并具备性能优化经验。
- 熟悉模型压缩技术(如剪枝、量化、蒸馏等)者优先。
- 具备多模态大模型研发经验者优先。
3. 编程能力:
- 熟练掌握Python、C++、java、C、GO等任意一种编程语言,具备良好的代码风格和工程能力。
- 熟悉Linux开发环境,具备大规模数据处理和分布式系统开发经验。
4. 其他要求:
- 具备较强的学习能力和创新意识,能够快速掌握新技术并应用于实际场景。
- 良好的团队协作能力和沟通能力,能够与跨部门团队高效合作。
- 在顶级会议(如NeurIPS、ICML、CVPR、ACL等)发表过论文者优先。
#实习#
全部评论
相关推荐
12-15 22:39
武汉大学 Java 点赞 评论 收藏
分享
查看25道真题和解析 点赞 评论 收藏
分享