Staff/Principal Software Engineer – AI Applications

Über uns

Axelera AI (https://www.axelera.ai) ist kein gewöhnliches Deep-Tech-Unternehmen. Wir schaffen die KI-Plattform der nächsten Generation, um jeden zu unterstützen, der dazu beitragen möchte, die Menschheit voranzubringen und die Welt um uns herum zu verbessern.

In nur fünf Jahren haben wir insgesamt 450 Millionen $ eingeworben und ein erstklassiges Team von über 250 Mitarbeitern aufgebaut (darunter über 60 PhDs mit mehr als 40.000 Zitaten), sowohl remote aus 20 verschiedenen Ländern als auch mit Büros in Belgien, Frankreich, der Schweiz, Italien, dem Vereinigten Königreich, mit Hauptsitz am High Tech Campus in Eindhoven, Niederlande.

Wir haben zudem unsere Metis™ AI Platform eingeführt, die eine 3-5-fache Steigerung der Effizienz und Leistung erreicht, und verfügen über eine starke Geschäftspipeline von über 100 Millionen$.

Unser unerschütterliches Engagement für Innovation hat uns fest als globalen Branchenpionier etabliert.

Sind Sie bereit für die Herausforderung?

Positionsübersicht

Das Applications-Team entwickelt die kundenorientierten Komponenten des Voyager SDK von Axelera AI, einschließlich Low-Code-Modellbereitstellung, End-to-End-Pipeline-Entwicklung sowie Anwendungsintegration und Analytik. Kunden nutzen diese Tools, um schnell Prototypen zu erstellen und vollständige, durch Axelera AI-Geräte beschleunigte Produktions-KI-Lösungen zu bauen. Das Applications-Team entwickelt hochmoderne Entwicklungswerkzeuge mit einfachen APIs, die sicherstellen, dass die von unseren Kunden bereitgestellten Lösungen das höchste am Markt verfügbare Niveau an Leistung und Genauigkeit erreichen.

Wir suchen einen erfahrenen, technisch herausragenden Software Engineer, der die Verantwortung für einen bedeutenden Bereich des Applications-Stacks übernimmt. Dies ist eine Rolle auf Staff/Principal-Level für jemanden, der Chancen identifizieren und umsetzen kann, die ein starkes technisches Urteilsvermögen und schwierige Priorisierungen erfordern, die Grenzen dessen verschiebt, was technisch machbar ist, und wiederverwendbare Architekturen schafft, die den Standard für das gesamte Team erhöhen. Sie werden mit erheblicher Autonomie arbeiten und in Situationen navigieren, in denen es noch keine klaren Playbooks gibt – sei es beim Erstellen hochgradiger grafischer Darstellungen von ML-basierten Pipelines, der Optimierung der Speichernutzung und Synchronisation auf heterogenen Hardware-Zielen oder der Architektur von Low-Level-Implementierungen von Computer-Vision-Operatoren für spezialisierte Verarbeitungselemente – und werden in Partnerschaft mit geschäftlichen und produktbezogenen Stakeholdern die technische Roadmap für das Applications-Team mitgestalten.

Hauptverantwortlichkeiten:

• Übernahme der End-to-End-Technikstrategie für einen wichtigen Bereich der Anwendungsschicht des Voyager SDK – Übersetzung von Forschungspapieren, Open-Source-Repositories und Produktanforderungen in eine kohärente Roadmap für Modellbereitstellung, Pipeline-Entwicklung und Anwendungsintegration
• Festlegung der technischen Richtung für Bild-Pre/Post-Processing-Operatoren und Decoder, Schaffung wiederverwendbarer Architekturen, die den Standard für den Rest des Teams erhöhen, und Zusammenarbeit mit dem Compiler-Team zur Lösung der schwierigsten Kompilierungsprobleme
• Vorantreiben der Integration von branchenüblichen Modell-Frameworks in das SDK, Definition wiederverwendbarer Bibliotheken und Architekturen, die vom Team und von Kunden für die Low-Code- und No-Code-Bereitstellung von Modellen und Datensätzen genutzt werden
• Definition unternehmensweiter Metadaten-Repräsentationen für gängige Modelltypen (wie Bounding Boxes und Keypoints) und Verantwortung für die Bibliotheken, die teamübergreifend verwendet werden, um die Genauigkeit bereitgestellter Modelle zu bewerten und Inferenzergebnisse auf Axelera AI-Hardware visuell darzustellen
• Übernahme der Verantwortung für die End-to-End-Pipeline-Latenz und den Durchsatz über unterstützte Hardware-Plattformen hinweg, Ursachenforschung bei den schwierigsten Engpässen und Aufbau von Profiling-Tools und Frameworks, die den Standard dafür erhöhen, wie das Team und Kunden Leistungsprobleme diagnostizieren
• Repräsentation der technischen Fähigkeiten des Applications-Teams gegenüber geschäftlichen Stakeholdern und, sofern relevant, gegenüber Kunden und der Branche; Mentoring und Entwicklung anderer Ingenieure sowie Förderung von Dokumentationsstandards und Best Practices im gesamten Team

Qualifikationen:

• BS/MS in Informatik, Elektrotechnik oder gleichwertig, mit einer fundierten Erfolgsbilanz (typischerweise 8+ Jahre) an praktischer Erfahrung in der Halbleiter- und/oder KI-Industrie
• Tiefgehende, praktische Expertise in Edge-Deployment-Frameworks wie OpenVINO oder TensorRT, mit der nachgewiesenen Fähigkeit, Probleme von erheblicher technischer Komplexität in diesem Bereich zu lösen
• Erfahrung mit GPU-Computing-APIs wie OpenCL und Vulkan
• Starke Erfolgsbilanz bei der Anwendung von Modelloptimierungstechniken wie Quantisierung, Komprimierung und Pruning
• Expertenkenntnisse in der KI-Anwendungsentwicklung unter Verwendung von Python, mit umfassender Erfahrung in ML-Bibliotheken wie PyTorch und TensorFlow
• Expertenkenntnisse in Python/C++
• Nachgewiesene Fähigkeit, End-to-End-Pipelines mit quantisierten Modellen in großem Maßstab zu architektonieren, aufzubauen und bereitzustellen sowie wiederverwendbare Frameworks zu schaffen, auf denen andere aufbauen können
• Erfahrung im Training von Modellen mittels Transfer Learning, um vortrainierte Modelle für neue Aufgaben zu nutzen
• Erfahrung mit MLIR und ONNXRuntime ist ein Plus
• Eine Erfolgsbilanz in der Navigation durch tiefe Mehrdeutigkeit und der Erzielung von Ergebnissen ohne klare Playbooks, wobei unter Druck bei komplexen, multidimensionalen Problemen ein fundiertes technisches Urteilsvermögen angewendet wird
• Starke Kommunikations- und Beeinflussungsfähigkeiten, mit Erfahrung in der Führung anspruchsvoller Gesp