الشركة:كوالكوم الهند الخاصة المحدودة
مجال العمل:مجموعة الهندسة، مجموعة الهندسة > هندسة البرمجيات

الملخص العام:

كشركة رائدة في الابتكار التكنولوجي، تدفع كوالكوم حدود الممكن لتمكين تجارب الجيل التالي ودفع التحول الرقمي للمساعدة في خلق مستقبل أكثر ذكاءً وترابطًا للجميع. كمهندس برمجيات في كوالكوم، ستقوم بتصميم وتطوير وإنشاء وتعديل والتحقق من البرمجيات المضمنة وبرمجيات السحابة، والتطبيقات، و/أو البرامج المساعدة المتخصصة التي تطلق منتجات عالمية المستوى تلبي وتجاوز احتياجات العملاء. يتعاون مهندسو البرمجيات في كوالكوم مع أنظمة الأجهزة والهندسة المعمارية ومهندسي الاختبار والفرق الأخرى لتصميم حلول برمجيات على مستوى النظام والحصول على معلومات حول متطلبات الأداء والواجهات.

المؤهلات الدنيا:

• درجة بكاليوس في الهندسة أو نظم المعلومات أو علوم الحاسوب أو مجال ذي صلة وخبرة 6+ سنوات في هندسة البرمجيات أو خبرة عمل ذات صلة.
أو
درجة ماجستير في الهندسة أو نظم المعلومات أو علوم الحاسوب أو مجال ذي صلة وخبرة 5+ سنوات في هندسة البرمجيات أو خبرة عمل ذات صلة.
أو
دكتوراه في الهندسة أو نظم المعلومات أو علوم الحاسوب أو مجال ذي صلة وخبرة 4+ سنوات في هندسة البرمجيات أو خبرة عمل ذات صلة.
• 3+ سنوات من خبرة العمل مع لغات البرمجة مثل C و C++ و Java و Python، إلخ.

وصف الوظيفة:

CPU Software & Hardware Co-Design Engineer (ML Systems)

الموقع: بنغالور (أو ذات صلة)
المستويات: مهندس / مهندس أول / موظف / مهندس رئيسي

نظرة عامة على الدور

نحن نبني فريقًا عالي التأثير عند تقاطع هندسة المعالجات المركزية، وأعباء العمل في التعلم الآلي، وتحسين الأداء على مستوى النظام. يركز هذا الدور على تصميم البرمجيات والأجهزة للمعالجات المركزية للمعماريات من الجيل التالي QMX، بما في ذلك تصنيف أعباء العمل، والمحاكاة، وتحسين النواة، ودفع الرؤى المعمارية لتصاميم المعالجات المركزية المستقبلية. سيكون المرشح المثالي يعمل عبر كامل المكدس - من نماذج التعلم الآلي إلى النوى منخفضة المستوى إلى التغذية الراجعة المعمارية - مما يمكّن التنفيذ الفعال لأعباء العمل في التعلم الآلي على منصات المعالجات المركزية.

المسؤوليات الرئيسية

1. تحديد وتصنيف أعباء العمل في التعلم الآلي

• تحديد وتحديد أولويات حالات الاستخدام والنماذج الحرجة في التعلم الآلي للتنفيذ المركزي (LLMs، الرؤية، الكلام، أنظمة التوصية، إلخ.)
• تحليل خصائص أعباء العمل بما في ذلك:
  • شدة الحساب
  • عرض النطاق الترددي للذاكرة وسلوك التخزين المؤقت
  • التوازي وأنماط تدفق البيانات

2. المحاكاة وتوليد التتبع

• توليد تتبعات تنفيذ مفصلة لأعباء العمل في التعلم الآلي باستخدام QEMU أو محاكيات معادلة
• تطوير أدوات:
  • لتسجيل سلوك التنفيذ على مستوى التعليمات
  • لاستخراج عدادات الأداء والاختناقات
• تمكين نمذجة دقيقة لسلوك أعباء العمل لاستكشاف المعمارية

3. تحليل الاختناقات وتحسين الأداء

• تحديد الاختناقات النظامية عبر:
  • خطوط أنابيب المعالجات المركزية
  • هرمية الذاكرة
  • استخدام التعليمات
• تحسين النقاط الساخنة الحرجة من خلال:
  • ضبط على مستوى النواة
  • تحسينات خوارزمية
  • تخطيط البيانات وتحسينات الذاكرة
• دفع تحسينات قابلة للقياس في أداء أعباء العمل

4. تصميم البرمجيات والأجهزة

• التعاون مع فرق تصميم وهندسة المعالجات المركزية:
  • تقديم رؤى مدفوعة بالبيانات من أعباء العمل الحقيقية
  • تحديد عدم الكفاءة واقتراح تحسينات معمارية
• التأثير على ميزات المعالجات المركزية من الجيل التالي في:
  • وحدات الحساب
  • امتدادات SIMD / Vector (مثل QMX)
  • أنظمة الذاكرة

5. تطوير النوى والمكتبات في التعلم الآلي (تركيز على QMX)

• تصميم وتنفيذ نوى ومكتبات تعلم آلي عالية الأداء لمعمارية QMX
• تطوير نوى لـ:
  • GEMM، الالتفاف، الانتباه، دوال التنشيط، إلخ.
• تمكين التكامل مع:
  • إطارات التعلم الآلي مفتوحة المصدر (مثل PyTorch، ONNX، XNNPACK، MLAS)
• تطبيق تحسينات متقدمة:
  • SIMD / التوجيه
  • تنفيذ مدرك للتخزين المؤقت
  • استراتيجيات تنفيذ متوازية

6. القياس الهندسي وأداء الهندسة

• تحسين معايير الأداء المركزية في التعلم الآلي مثل:
  • Geekbench AI
  • أطقم القياس الداخلية
• تأسيس خطوط أساسية للأداء وتتبع التحسينات عبر أجيال الأجهزة
• إجراء تحليل تنافسي وتحديد الأداء

المؤهلات المطلوبة

• خلفية قوية في:
  • هندسة الحاسوب / برمجة الأنظمة
  • أساسيات التعلم الآلي
• إجادة في:
  • C / C++ (إلزامي)
• خبرة في:
  • تحليل الأداء، القياس، والتحسين

المؤهلات المفضلة

• خبرة في:
  • QEMU أو محاكيات معادلة
  • تطوير نوى التعلم الآلي (GEMM، الالتفاف، الانتباه)
• معرفة بـ:
  • هندسة المعالجات المركزية (خطوط الأنابيب، التخزين المؤقت، امتدادات SIMD / Vector مثل NEON، SVE، QMX)
• إلمام بـ:
  • إطارات التعلم الآلي وطبقات الاستدلال
• خبرة في تحسينات منخفضة المستوى:
  • التعليمات، التجميع، ضبط الذاكرة والتخزين المؤقت

لماذا العمل في هذا الفريق

• العمل على معماريات المعالجات المركزية من الجيل التالي (QMX)
• التأثير بشكل مباشر على تصميم الأجهزة من خلال رؤى أعباء العمل الحقيقية
• حل تحديات الأداء في التعلم الآلي من البداية إلى النهاية (النموذج → النواة → السيليكون)
• التعاون مع أفضل فرق الهندسة المعمارية والأنظمة والذكاء الاصطناعي
• دور عالي التأثير مع رؤية عبر خرائط المنتجات والبحوث

المتقدمون: كوالكوم هي جهة عمل متساوية الفرص. إذا كنت فردًا لديه إعاقة وتحتاج إلى تسهيلات خلال عملية التقديم / التوظيف، تأكد من أن كوالكوم ملتزمة بتوفير عملية يمكن الوصول إليها. يمكنك إرسال بريد إلكتروني إلى [email protected] أو الاتصال بالرقم المجاني لكوالكوم الموجود هنا. عند الطلب، ستوفر كوالكوم تسهيلات معقولة لدعم الأفراد ذوي الإعاقات ليتمكنوا من المشاركة في عملية التوظيف. كما أن كوالكوم ملتزمة بجعل مكان عملنا متاحًا للأفراد ذوي الإعاقات. (تذكر أن عنوان البريد الإلكتروني هذا يُستخدم لتوفير تسهيلات معقولة للأفراد ذوي الإعاقات. لن نرد هنا على الطلبات المتعلقة بتحديثات الطلبات أو استفسارات السيرة الذاتية).

تتوقع كوالكوم من موظفيها الالتزام بجميع السياسات والإجراءات المعمول بها، بما في ذلك على سبيل المثال لا الحصر متطلبات الأمان وغيرها من المتطلبات المتعلقة بحماية معلومات الشركة السرية وغيرها من المعلومات السرية و/أو الملكية، إلى الحد الذي تكون فيه هذه المتطلبات مسموحة بموجب القانون المعمول به.

إلى جميع وكالات التوظيف والتوظيف:موقعنا الوظيفي مخصص فقط للأفراد الذين يبحثون عن وظيفة في كوالكوم. لا يُسمح لوكالات التوظيف والتوظيف والأفراد الذين تم تمثيلهم من قبل وكالة باستخدام هذا الموقع أو تقديم ملفات تعريف أو طلبات أو سير ذاتية، وسيتم اعتبار أي من هذه التقديمات غير مرغوب فيها. لا تقبل كوالكوم السير الذاتية أو الطلبات غير المرغوب فيها من الوكالات. يرجى عدم إرسال السير الذاتية إلى عنوان وظائفنا، أو موظفي كوالكوم، أو أي موقع آخر للشركة. كوالكوم ليست مسؤولة عن أي رسوم تتعلق بالسير الذاتية / الطلبات غير المرغوب فيها.

إذا كنت ترغب في الحصول على مزيد من المعلومات حول هذا الدور، يرجى الاتصال بـ وظائف كوالكوم.