من نحن؟

تعتبر كوهير الشركة الرائدة في مجال الذكاء الاصطناعي المؤسسي الذي يركز على الأمان. نحن نبني نماذج ذكاء اصطناعي متطورة ومنتجات شاملة تهدف إلى حل مشكلات الأعمال الحقيقية.

نقوم بتدريب ونشر نماذج متقدمة للمؤسسات التي تبني أنظمة ذكاء اصطناعي. نحن نؤمن بأن عملنا ضروري لاعتماد الذكاء الاصطناعي على نطاق واسع، ونبحث عن أشخاص يرغبون في أن يكونوا جزءًا من ذلك.

نحن نركز على ما نبنيه. كل واحد منا مسؤول عن المساهمة في زيادة قدرات نماذجنا والقيمة التي تقدمها لعملائنا. كوهير هي فريق من الباحثين والمهندسين والمصممين وغيرهم، جميعهم شغوفون بحرفتهم.

نحن شركة تكنولوجيا عالمية تتخذ من تورونتو وسان فرانسيسكو مقراً رئيسياً، مع مكاتب رئيسية في لندن ونيويورك ومونتريال وسيول وألمانيا وباريس.

نبحث عن مهندس أول للمساعدة في بناء وصيانة وتطوير إطار التدريب الذي يدعم نماذج اللغة على نطاق واسع. تقع هذه الوظيفة عند تقاطع التدريب على نطاق واسع والأنظمة الموزعة وبنية HPC. ستقوم بتصميم وصيانة المكونات الأساسية التي تتيح تدريب النماذج بسرعة وموثوقية وقابلية للتوسع - وبناء الأدوات التي تربط الأفكار البحثية بآلاف وحدات معالجة الرسوميات.

إذا كنت تستمتع بالعمل عبر مجموعة كاملة من أنظمة الذكاء الاصطناعي، فإن هذه الوظيفة تمنحك الفرصة والاستقلالية لتحقيق تأثير كبير.

• بناء وإدارة إطار التدريب المسؤول عن تدريب نماذج LLM على نطاق واسع.

  
  

• تصميم تجريدات التدريب الموزعة (التوازي في البيانات/التنسور/الأنابيب، استراتيجيات FSDP/ZeRO، إدارة الذاكرة، نقاط التحقق).

  
  

• تحسين الإنتاجية والثبات في المجموعات متعددة العقد (مثل GB200/300، AMD، H200/100).

  
  

• تطوير وصيانة أدوات للمراقبة والتسجيل وتصحيح الأخطاء وراحة المطورين.

  
  

• التعاون عن كثب مع فرق البنية التحتية لضمان أن مجموعتنا وبيئات الحاويات وتكوينات الأجهزة تدعم التدريب عالي الأداء.

  
  

• التحقيق في وحل اختناقات الأداء عبر مجموعة أنظمة الذكاء الاصطناعي.

  
  

• بناء أنظمة قوية تضمن تشغيلات قابلة للتكرار وقابلة للتصحيح على نطاق واسع.

  
  

• خبرة هندسية قوية في التدريب الموزع على نطاق واسع أو أنظمة HPC. معرفة عميقة بتفاصيل JAX، مكتبات التدريب الموزع، أو نوى مخصصة/عمليات مدمجة.

  
  

• خبرة في تنظيم مجموعات متعددة العقد (Slurm، Ray، Kubernetes، أو ما شابه).

  
  

• راحة في تصحيح مشاكل الأداء عبر CUDA/NCCL، الشبكات، IO، وأنابيب البيانات.

  
  

• خبرة في العمل مع بيئات الحاويات (Docker، Singularity/Apptainer).

  
  

• سجل حافل في بناء أدوات تزيد من سرعة المطورين لفرق الذكاء الاصطناعي.

  
  

• حكم ممتاز حول التوازنات: الأداء مقابل التعقيد، سرعة البحث مقابل القابلية للصيانة.

  
  

• مهارات تعاون قوية - ستعمل عن كثب مع فرق البنية التحتية والبحث والنشر.

  
  

• خبرة في تدريب نماذج LLM أو غيرها من الهياكل الكبيرة المحولة.

  
  

• مساهمات في أطر الذكاء الاصطناعي (PyTorch، JAX، DeepSpeed، Megatron، xFormers، إلخ).

  
  

• معرفة بأطر التقييم والخدمة (vLLM، TensorRT-LLM، ذاكرات KV مخصصة).

  
  

• خبرة في تحسين أنابيب البيانات، مجموعات البيانات المجزأة، أو استراتيجيات التخزين المؤقت.

  
  

• خلفية في هندسة الأداء، التحليل، أو الأنظمة منخفضة المستوى.

  
  

مكافأة: ورقة في أماكن رائدة (مثل NeurIPS، ICML، ICLR، AIStats، MLSys، JMLR، AAAI، Nature، COLING، ACL، EMNLP).

• ستعمل على بعض من أكثر مشكلات أنظمة الذكاء الاصطناعي تحديًا وأهمية اليوم.

  
  

• ستتعاون مع فريق عالمي المستوى يعمل بسرعة وعلى نطاق واسع.

  
  

• ستحصل على ملكية شاملة على مكونات حيوية من مجموعة التدريب.

  
  

• ستشكل الجيل القادم من البنية التحتية لنماذج على نطاق واسع.

  
  

• ستبني أدوات وأنظمة تسرع مباشرة من البحث وجودة النماذج.

  
  

مشاريع نموذجية:

• بناء أنبوب تحميل بيانات عالي الأداء وتخزين مؤقت.

  
  

• تنفيذ تحليل الأداء عبر مجموعة أنظمة الذكاء الاصطناعي.

  
  

• تطوير مقاييس داخلية ومراقبة لتشغيلات التدريب.

  
  

• بناء بنية تحتية للاختبار القابل للتكرار والرجعي.

  
  

• تطوير نظام نقاط تحقق موزع مقاوم للأخطاء وعالي الأداء.

  
  

• كوهير صديقة للعمل عن بعد. لدينا مكاتب في تورونتو وسان فرانسيسكو ونيويورك ولندن وباريس ومونتريال، والمزيد قادم قريبًا.

  
  

• بالنسبة لأولئك في المكتب: برنامج غداء يومي، الكثير من الوجبات الخفيفة، وفعاليات اجتماعية ومجتمعية منتظمة.

  
  

• بالنسبة لأولئك الذين ليسوا بالقرب من مكتب: فائدة العمل المشترك حتى تتمكن من العمل بجانب الآخرين في مدينتك.

  
  

إذا لم يتطابق أي مما سبق تمامًا مع خبرتك، فإننا لا نزال نشجعك على التقدم.

نسعى لإنشاء بيئة عمل شاملة للجميع؛ نرحب بالمتقدمين من جميع الخلفيات ونلتزم بتوفير فرص متساوية. إذا كنت بحاجة إلى أي تسهيلات خلال عملية التوظيف، يرجى تقديم نموذج طلب تسهيلات، وسنعمل معًا لتلبية احتياجاتك.

قد نستخدم أدوات مدعومة بالذكاء الاصطناعي لفحص وتقييم المتقدمين وفقًا لمعايير هذه الوظيفة. يساعد ذلك مجندينا في تحديد المرشحين المؤهلين، لكنه لا يحد من الطلبات التي قد يستعرضها أو ينظر فيها مجندونا.