希姆计算2020年校园招聘

千意染曲

关于希姆计算（Stream Computing Inc.） 北京希姆计算科技有限公司（Stream Computing Inc. www.streamcomputing.com）成立于2019年4月，是一家致力于成为异构计算（Heterogenous Computing）行业领导者的芯片设计公司。公司秉承“开放、自由、信任”的企业文化，吸引了一大批在IC设计、人工智能和系统软件等领域有着10年以上工作经验的优秀人才加入。公司自主研发的“九章NPC（Neural Processing Core）”是业界领先的、以RISC-V指令集为基础进行扩展、面向神经网络领域的专用计算核心。 希姆计算邀请您共同致力于中国RISC-V高性能计算芯片的发展。 招聘岗位：NPU系统软件开发工程师 n  简历投送：yu.zhang@streamcomputing.com n  工作地点：北京 n  薪资范围：面议 n  工作职责：负责参与开发NPU的底层异构计算软件框架的开发以及性能优化，包括神经网络处理器核的启动、控制与异常处理Firmware程序，Host端的内核驱动与用户态硬件抽象层框架程序等。 n  岗位要求 以下为本岗位的基本任职要求： 1.     良好的口头与书面沟通技巧，有团队工作意识和精神； 2.     善于学习新知识，工作积极主动、责任心强，并能够在压力下承担工作。 3.     本科以上学历 4.     熟悉C/C++或者汇编语言编程。 5.     扎实的计算机处理器体系结构基础，熟悉现代处理器（熟悉ARM/MIPS/PowerPC/Intel X86/RISC-V等5大体系结构之一）的基本工作原理，包括：中断、异常处理、启动过程、指令集等。 6.     深入理解操作系统（Linux或某种RTOS）的基本概念。有实际的Linux内核驱动或内核模块开发与调试经验。 招聘岗位：神经网络编译器开发工程师 n  简历投送：yu.zhang@streamcomputing.com n  工作地点：北京 n  薪资范围：面议 n  工作职责 负责参与开发NPU的神经网络编译器开发与性能优化，包括：神经网络编译器解析层设计与优化，神经网络编译器后端IR设计、实现与优化，神经网络算子的实现与优化等。 n  岗位要求 以下为本岗位的基本任职要求： 1.      良好的口头与书面沟通技巧，有团队工作意识和精神； 2.      善于学习新知识，工作积极主动、责任心强，并能够在压力下承担工作。 3.      本科以上学历 4.      熟练掌握C/C++或者汇编语言编程。 5.      扎实的计算机处理器体系结构基础，熟悉现代处理器的基本工作原理以及指令集ISA等。 6.      熟悉编译器原理和相关算法。 优先考虑具备以下技能要求之一的候选人： 1.      有GCC、LLVM或Open64开源编译器的实际开发经验 2.      有TVM神经网络编译器的实际开发经验 3.      深入了解机器学习、深度学习等神经网络计算图程序 4.      有深度学习框架（如：TensorFlow/Caffe/PyTorch/MXNet等）计算图程序优化经验尤佳 招聘岗位：NPU Simulator开发工程师 n  简历投送：yu.zhang@streamcomputing.com n  工作地点：北京 n  薪资范围：面议 n  工作职责 负责开发和维护RISC-V架构的Simulator模拟器（SPIKE和GEM5），包括：指令集的模拟实现、CPU Model建模、内存与总线的建模等。 n  岗位要求 以下为本岗位的基本任职要求： 1.      良好的口头与书面沟通技巧，有团队工作意识和精神； 2.      善于学习新知识，工作积极主动、责任心强，并能够在压力下承担工作。 3.      本科以上学历。 4.      熟练掌握C/C++、汇编或者Python语言等相关编程语言。 5.      扎实的计算机处理器体系结构基础，熟悉现代处理器的基本工作原理以及指令集ISA等。 6.      了解处理器模拟器的实现原理。 7.      优先考虑有RISC-V模拟器SPIKE实际开发经验或者有其它体系结构处理器的模拟器开发经验的候选人。 招聘岗位：AI算法实现工程师 n  简历投送：yu.zhang@streamcomputing.com n  工作地点：北京 n  薪资范围：面议 n  工作职责：负责参与各种神经网络模型在NPU上的实现与优化，包括：算子开发、网络量化、压缩、剪枝、稀疏矩阵计算优化等。 n  岗位要求 以下为本岗位的基本任职要求： 1.      良好的口头与书面沟通技巧，以及优秀的跨团队沟通与协调经验。 2.      善于学习新知识，工作积极主动、责任心强，并能够在压力下承担工作。 3.      掌握C/C++和Python语言等相关编程语言。 4.      扎实的计算机处理器体系结构基础，熟悉现代处理器的基本工作原理，熟悉并行计算理论与实践等。 5.      计算机科学硕士以上学历。 6.      熟悉业界主流神经网络框架（包括：TensorFlow、PyTorch）下的深度学习模型训练、推理以及优化等。 优先考虑熟悉以下领域之一的候选人： 1.      熟悉图像分类的各种卷积神经网络，比如: AlexNet, MobileNet, ResNet-50/101等 2.      熟悉目标检测类的神经网络，比如：YOLO, Fast R-CNN等 3.      熟悉NLP相关或知识图谱的深度学习网络，比如: RNN/LSTM, BERT、图卷积神经网络GCN等。 4.      熟悉深度学习模型的量化、压缩与剪枝等优化技术。 5.      熟悉结构化稀疏矩阵的计算与优化等。