Research Software Engineer, Distributed Systems, Artificial Life, Pi - Google Careers

Mindestanforderungen: ###

• Bachelor-Abschluss in Informatik, einem verwandten technischen Bereich oder gleichwertige praktische Erfahrung.
• 2 Jahre Erfahrung in der Softwareentwicklung mit Schwerpunkt auf verteiltem Rechnen und parallelisierbarer Infrastruktur.
• Erfahrung in der Skalierung von Systemen von Single-CPU-Läufen auf verteilte Umgebungen.
• Erfahrung mit Infrastrukturoptimierung und Ressourcenmanagement.

Bevorzugte Qualifikationen: ###

• Master-Abschluss oder PhD in Informatik, Künstlicher Intelligenz oder einem verwandten Bereich.
• Erfahrung mit evolutionären Algorithmen, Machine Learning Forschung oder Simulationen künstlichen Lebens.
• Erfahrung im Aufbau von Infrastrukturen, die Schnittstellen zu realen Programmier-Benchmarks bieten (z. B. LeetCode, code golf).
• Nachgewiesene Fähigkeit, mit der erhöhten Komplexität und der geografischen Segregation von Populationen innerhalb digitaler Ökosysteme umzugehen.

Über den Job ###

Die Software Engineers von Google entwickeln die Technologien der nächsten Generation, die verändern, wie Milliarden von Nutzern sich vernetzen, Informationen erkunden und miteinander interagieren. Unsere Produkte müssen Informationen in massivem Maßstab verarbeiten und weit über die Websuche hinausgehen. Wir suchen Ingenieure, die frische Ideen aus allen Bereichen einbringen, darunter Information Retrieval, verteiltes Rechnen, groß angelegtes Systemdesign, Netzwerk und Datenspeicherung, Sicherheit, Künstliche Intelligenz, natürliche Sprachverarbeitung, UI-Design und Mobile; die Liste ist lang und wächst jeden Tag. Als Software Engineer werden Sie an einem spezifischen Projekt arbeiten, das für die Bedürfnisse von Google entscheidend ist, mit Möglichkeiten, das Team und die Projekte zu wechseln, während Sie und unser schnelllebiger Geschäftsbetrieb wachsen und sich entwickeln. Wir brauchen unsere Ingenieure als vielseitig, mit Führungsqualitäten und mit der Begeisterung, neue Probleme über den gesamten Stack hinweg anzugehen, während wir die Technologie weiter vorantreiben.

Mit Ihrer technischen Expertise werden Sie Projektprioritäten, Termine und Liefergegenstände verwalten. Sie werden Softwarelösungen entwerfen, entwickeln, testen, bereitstellen, warten und verbessern.

Paradigms of Intelligence (Pi) ist ein interdisziplinäres Forschungsteam, das die grundlegenden Bausteine der Intelligenz erforscht. Eines unserer Hauptprojekte zielt darauf ab, radikal offen endende Systeme des künstlichen Lebens für die Programm-Evolution zu entwickeln, um das Auftreten von fundamentaler Evolution zu demonstrieren.

In dieser Rolle werden Sie Ihre Expertise in verteilten Simulationen anwenden, um Umgebungen in massivem Maßstab für die wegweisende Machine Learning Forschung zu verwalten. Sie werden eine modulare, effiziente Infrastruktur für das Ausführen und Analysieren von Simulationen künstlichen Lebens aufbauen und selbstreplizierende Systeme unterstützen, die lernen, komplexe Probleme innerhalb ihrer ökologischen Nische zu lösen.

Google Research befasst sich mit Herausforderungen, die die Technologie von heute und morgen definieren. Von der Durchführung grundlegender Forschung bis hin zur Beeinflussung der Produktentwicklung haben unsere Forschungsteams die Möglichkeit, die Technologie zu beeinflussen, die jeden Tag von Milliarden von Menschen genutzt wird.

Unsere Teams streben danach, Entdeckungen zu machen, die jeden betreffen, und ein Kernpunkt unseres Ansatzes ist das Teilen unserer Forschung und Werkzeuge, um den Fortschritt auf diesem Gebiet voranzutreiben -- wir veröffentlichen regelmäßig in akademischen Fachzeitschriften, veröffentlichen Projekte als Open Source und wenden Forschung auf Google-Produkte an.

Verantwortlichkeiten ###

• Aufbau von groß angelegten Simulationen und Verwaltung der verteilten Computing-Infrastruktur, um digitale Ökosysteme und Experimente zu skalieren.
• Erstellung einer modularen Infrastruktur, die in der Lage ist, Experimente mit Billionen von generierten Programmen und komplexen Interaktionen durchzuführen.
• Optimierung der Rechennutzung und effiziente Verwaltung signifikanter CPU-Ressourcenanforderungen über gemeinsam genutzte Infrastrukturen hinweg.
• Implementierung effizienter Zeitplanung, Behebung von Job-Fehlern und Sicherstellung, dass Läufe in massivem Maßstab zuverlässig ausgeführt werden.
• Bereitstellung dedizierter technischer Unterstützung, um die Datenanalyse und das Starten neuer Experimente zu beschleunigen.