NVIDIA Edge AI / Real-Time Data Specialist
⚲ Wrocław, Kraków, Warszawa, Gdańsk, Poznań
29 400 - 31 500 PLN netto (B2B)
Wymagania
- doświadczenie z technologiami NVIDIA i obliczeniami GPU (np. CUDA, TensorRT, DeepStream)
- praktyka w obszarze Edge AI / real-time inference / streaming AI
- doświadczenie z computer vision, przetwarzaniem danych sensorowych lub telemetrycznych
- umiejętność projektowania architektur edge-to-cloud
- doświadczenie we wdrażaniu modeli AI do środowisk produkcyjnych
- znajomość inżynierii danych i pipeline'ów streamingowych (np. Kafka, Flink, Spark)
Mile widziane
- doświadczenie w obszarze robotics / physical AI, autonomous systems, smart infrastructure lub industrial AI
- znajomość digital twins i systemów symulacyjnych
Opis stanowiska
Projektowanie i budowa pipeline'ów danych i AI przetwarzających dane w czasie rzeczywistym, z mocnym naciskiem na GPU NVIDIA — video analytics, telemetria, computer vision, streaming inference oraz architektury edge-to-cloud. Uwaga: to bardzo wymagająca technicznie rola — praca z rozproszonymi, często niejednolitymi systemami, gdzie błędy w modelach AI w krytycznych systemach mogą mieć realne konsekwencje. Dla specjalisty od Edge AI i optymalizacji GPU.
🔍 Dekoder Ogłoszenia
🔴
Projektowanie i budowa pipeline’ów danych i AI przetwarzających dane w czasie rzeczywistym
Oczekuje się, że będziesz tworzyć i utrzymywać złożone systemy do przetwarzania strumieni danych, co może być bardzo wymagające technicznie i czasochłonne.
🔴
Tworzenie i optymalizacja rozwiązań GPU (video analytics, telemetry, CV, streaming inference)
Praca będzie mocno skupiona na wykorzystaniu sprzętu NVIDIA, co wymaga głębokiej wiedzy o optymalizacji pod kątem GPU i specyficznych bibliotek.
🔴
Integracja rozwiązań edge AI z platformami data (cloud / enterprise systems)
Może oznaczać pracę z różnorodnymi, często niejednolitymi systemami, co wymaga elastyczności i umiejętności rozwiązywania problemów integracyjnych.
🔴
Wdrażanie modeli AI do produkcji (edge inferencing, real-time decisioning)
Obejmuje to odpowiedzialność za działanie modeli AI w krytycznych systemach, gdzie błędy mogą mieć realne konsekwencje.
🔴
Budowa architektur edge-to-cloud
Wymaga zrozumienia i projektowania systemów rozproszonych, które łączą urządzenia na brzegu sieci z centralnymi zasobami chmurowymi lub korporacyjnymi.