AI mérnöki vezető

Stack

Feladatok

• ▹Csapatvezetés: AI mérnökök toborzása, mentorálása és fejlesztése ahogy a csapat növekszik
• ▹Technikai irány kijelölése az alkalmazott AI és ML mérnöki munkához a Normal termék- és platformterületein
• ▹Kézzelfogható mélységű részvétel: architektúra, implementációs döntések, code review, hibakeresés, kiértékelés
• ▹Strukturált engineering workflow-knak megfelelő AI-rendszerek építése, ahol formális specifikációk és objektív helyesség-jelek számítanak
• ▹Kereszt-funkcionális fordítás: együttműködés termékkel, mérnökséggel, kutatással és vezetéssel, homályos célok tiszta technikai tervekké alakítása
• ▹A csapat működési ritmusának, mérnöki standardjainak és végrehajtási modelljének meghatározása; technikai kockázatok korai azonosítása

Elvárások

• ▹Közvetlen tapasztalat AI-mérnökségben, ML-mérnökségben, alkalmazott AI-ban, éles ML-rendszerekben vagy AI-infrastruktúrában
• ▹Tapasztalat technikai vezetőként, staff szintű IC-ként, engineering managerként vagy hibrid vezető/menedzser szerepben AI/ML mérnöki csapatoknál
• ▹Bizonyított track record jelentős AI-rendszerek építésében és szállításában éles vagy nagy hatású technikai környezetben
• ▹Erős, kézzelfogható technikai képesség: tervek átvizsgálása, rendszerek hibakeresése, közvetlen hozzájárulás szükség esetén
• ▹Tapasztalat LLM-ekkel, megerősítéses tanulással, agensekkel, modellkiértékeléssel, inferencia-rendszerekkel vagy ML-infrastruktúrával
• ▹Képesség tisztázni a homályos technikai területeket úgy, hogy a csapat gyorsan haladhasson szigor elvesztése nélkül
• ▹Tapasztalat mérnökök menedzselésében vagy mentorálásában, szoros technikai bevonódás megtartása mellett
• ▹Erős tulajdonosi szemlélet, képesség kicsi, nagy szakértelmű csapatban dolgozni

Előny

• ▹Tapasztalat agentikus rendszerek és AI alkalmazásában EDA-ra, félvezető-workflow-kra, áramkörökre vagy hardvertervezésre/verifikációra
• ▹Tapasztalat AI-munka vezetésében startupnál, kutatásintenzív vagy zero-to-one termékkörnyezetben
• ▹Tapasztalat kis, senior mérnökcsapatok toborzásában és skálázásában

Soft skillek

A munkáltatóról

A Normal Computing olyan félvezetőket épít, amelyek a hőzajt akadály helyett számítási erőforrássá alakítják — sztochasztikus, memórián belüli, aszinkron architektúrával 10-100-szor több AI-inferenciát érnek el dollárra és wattra vetítve. A cég a teljes stacket együtt tervezi: AI-natív EDA-rendszereket a legnagyobb félvezetőgyártókkal, és az ezek által lehetővé tett fejlett ASIC-eket. Több mint 85 millió dolláros befektetést kapott vezető deep-tech befektetőktől, csapata New York, Silicon Valley, London, Koppenhága és Szöul városaiban dolgozik.