Programa de Instrutores Certificados (CIP)

Saiba o que é preciso para se tornar um instrutor certificado pela NVIDIA.

Visão geral do Programa

O NVIDIA Training Certified Instructor Program (CIP) permite que os candidatos obtenham a certificação para ensinar workshops da NVIDIA. O programa conecta instrutores qualificados com treinamento de alta qualidade e materiais de curso práticos, acesso a laboratórios e workstations totalmente configuradas e aceleradas por GPU em nuvem. Por meio desse programa, os candidatos podem ser certificados para ensinar workshops oferecidos por:

  • Deep Learning Institute (DLI): Fornece treinamento para pessoas que criam aplicações de IA, incluindo desenvolvedores, cientistas de dados e engenheiros de software.
  • NVIDIA Academy: Fornece treinamento para pessoas que criam, implantam, operam e mantêm infraestrutura de IA, incluindo administradores e engenheiros de rede.

Para uma visão geral dos workshops que oferecemos por tópico, acesse nosso catálogo de cursos aqui.

Qualificações Gerais

Para se qualificar para esse programa, os candidatos devem se encaixar em uma das seguintes categorias:

  • Associação a uma empresa que é um dos parceiros de aprendizagem autorizados da NVIDIA ou parceiros de serviços educacionais
  • Estar atualmente empregado por uma instituição acadêmica que se qualifica para o Programa de Embaixadores DLI (apenas para workshops de DLI)
  • Estar Empregado pela NVIDIA

Além disso, os candidatos devem ter o conhecimento necessário da tecnologia coberta no(s) workshop(s) que desejam ministrar.

A aceitação no programa é baseada em:

  • Experiência de ensino do candidato e o conhecimento do assunto
  • Disponibilidade de workshops no país/região do candidato
  • Reconhecimento de ter lido e aceito o Contrato de Instrutor Certificado

Processo de Certificação

Os candidatos a instrutores devem concluir avaliações rigorosas e específicas de workshops, cobrindo suas qualificações técnicas, experiência no assunto, domínio do conteúdo do workshop e habilidades de entrega em sala de aula, bem como treinamento sobre o uso eficaz da plataforma de entrega de conteúdo. Espera-se que os instrutores certificados permaneçam atualizados em qualquer alteração do conteúdo dos workshop, a fim de manter sua certificação. 

Para a DLI, os candidatos à certificação de instrutores precisam concluir a avaliação, seguida de uma entrevista com um instrutor principal.

Para a Academy, os candidatos precisam concluir uma sessão de treinamento gravado, participar de treinamento ao vivo e também uma ou duas sessões de formação de instrutores, além de realizar uma aula no estilo teach-back e ser aprovados no exame de certificação.

O processo de certificação inclui as seguintes etapas: 

Experiência de Ensino Necessária

Todos os candidatos devem demonstrar experiência em ensino, como:

  • Experiência de ensino em sala de aula ou virtual  oferecendo conteúdo técnico para profissionais de redes ou sistemas 
  • Experiência sólida com apresentações em ambientes liderados por instrutores, incluindo entrega remota por meio de plataformas como Teams ou WebEx 
  • Capacidade de liderar aulas práticas e orientar a realização de exercícios de solução de problemas em um ambiente virtual 

Os candidatos devem ser capazes de comunicar com eficácia conceitos técnicos complexos, adaptar-se aos vários níveis de habilidade dos alunos, além de promover um ambiente de aprendizagem interativo e prático, alinhado com os padrões de treinamento da NVIDIA.

Qualificações do Workshop DLI

Veja as informações de cada workshop para garantir que você atenda às qualificações para ensiná-lo.

Qualificações dos Workshops da Academy

Veja as informações de cada workshop para garantir que você atenda às qualificações para ensiná-lo.

Inscrição

Preencha e envie a aplicação para instrutor certificado aqui.

Seja um Profissional Certificado

No início de cada mês, os candidatos aceitos serão colocados em um grupo que se alinha com seus interesses e experiência. Cada grupo passa pelos seguintes passos:

  • Instrutores Candidatos a DLI 
    • Concluir o workshop como aluno, incluindo quaisquer avaliações de programação.
    • Opcionalmente, rever a gravação do workshop.
    • Passar por uma entrevista com um instrutor principal da NVIDIA.
  • Candidatos a Instrutores da Academia 
    • Revisar a sessão de treinamento gravada.
    • Participar de treinamento ao vivo, e de uma ou duas sessões de «treinamento para treinadores».
    • Realizar uma aula no estilo teach-back com sucesso.
    • Ser aprovado no exame de certificação.

Observe que todos os instrutores estão sujeitos a revisões periódicas de desempenho.

Comece a Ensinar.

Depois de obter a certificação, você pode começar a ensinar.

Para agendar um workshop, faça login no portal de instrutores certificados e envie o formulário de solicitação de workshop.

Instrutores certificados participam de avaliações em andamento, educação contínua, revisões de conteúdo de workshops, revisões de feedback de alunos e outras atividades, conforme necessário.

Obtenha a Certificação em Workshops Adicionais

Aprimore suas habilidades obtendo certificações em outros workshops da NVIDIA. Amplie seu portfólio de ensino, descubra novas oportunidades profissionais e aprofunde seu domínio de IA, ciência de dados e tecnologias de computação acelerada.

Mantenha seu Status de Certificado

Para manter seu status, os instrutores certificados devem:

  • Receber feedback positivo dos alunos.
  • Satisfazer os requisitos de certificação para a versão atual de cada curso que estão certificados para ministrar. A recertificação é geralmente necessária para grandes atualizações de conteúdo e para reintegrar um instrutor como "ativo" depois que se tornar "inativo".
  • Renovar a associação anualmente.
  • Aderir às diretrizes detalhadas no Contrato de Instrutor Certificado.
  • Os embaixadores são obrigados a oferecer pelo menos dois workshops da NVIDIA por ano, para pelo menos 40 alunos no total.

Recursos Adicionais

Lista de Todos os Workshops de DLI

Acesse a lista mais recente de workshops de DLI.
A lista pode ser filtrada por tópico.

Acesse os workshops de DLI

Lista de todos os workshops da Academy

Veja a lista mais recente de todos os workshops da Academy.

Veja os workshops da Academy

Diretório de instrutores certificados pela NVIDIA

Procurando parceria com um Embaixador de Universidade para um próximo workshop?

Pesquise o Diretório de Instrutores Certificados

Comece Hoje Mesmo

Veja nossas trilhas de aprendizagem e selecione seu primeiro ou próximo workshop para obter a certificação e começar a ensinar.

Conheça as Trilhas de Aprendizagem

Perguntas?

Entre em contato se tiver dúvidas sobre nosso programa de instrutores certificados.

Fale Conosco

Fique por Dentro

Receba notícias, anúncios e muito mais da NVIDIA, incluindo as informações mais recentes sobre novos treinamentos autoguiados, workshops liderados por instrutores, treinamento gratuito, descontos e muito mais. A inscrição pode ser cancelada a qualquer momento.

Inscreva-se

Conceitos Básicos de Computação Acelerada com CUDA C++ Moderno

Experiência prática: 
os candidatos devem demonstrar experiência prévia significativa trabalhando com aplicações aceleradas por NVIDIA CUDA/GPU, seja em um cenário profissional ou acadêmico, e devem ser capazes de discutir seu trabalho, relacionado ao seguinte:

  • Como a aceleração significativa foi alcançada em um problema que não pôde ser resolvido com sucesso em um ambiente apenas com CPU
  • Detalhes sobre as estratégias aplicadas que as aplicações usam em relação a uma arquitetura de GPU
  • Desafios técnicos encontrados, adaptados às especificações do CUDA e como eles foram enfrentados


Conhecimento e experiência:
os candidatos devem ter experiência com o seguinte:

  • Compreensão básica da arquitetura de computadores (hierarquias de memória, núcleos de computação, etc.)
  • Conhecimento fundamental em computação paralela
  • Controle de race conditions e familiaridade com métodos de prevenção
  • Compreensão dos mecanismos de sincronização entre threads/processos
  • Conhecimento e experiência médios a avançados em programação moderna em C++, incluindo a compreensão de classes, functores e funções Lambda
  • Conhecimento e experiência com a biblioteca de templates padrão C++ (STL), incluindo o uso extensivo de iteradores

Conceitos Básicos de Computação Acelerada com CUDA Python

Experiência prática:
os candidatos devem fornecer evidências de trabalho significativo com uma aplicação acelerada por NVIDIA CUDA, seja em um cenário profissional ou acadêmico, e ter preparo para falar sobre esse trabalho com outras pessoas. O candidato deve ser capaz de explicar:

  • Como suas aplicações fornecem aceleração significativa em um problema que não poderia ser resolvido com sucesso em um ambiente apenas de CPU
  • As especificações das estratégias de otimização usadas em aplicações
  • Desafios técnicos específicos relacionados ao CUDA que surgiram durante o desenvolvimento de aplicações


Conhecimento e experiência:
os candidatos também devem ter experiência com o seguinte:

  • Competência básica em Python, incluindo familiaridade com tipos de variáveis, loops, declarações condicionais, funções e manipulações de arrays. Competência básica em NumPy, incluindo familiaridade com arrays e funções

Conceitos Básicos de Deep Learning

Experiência prática:
os candidatos devem demonstrar experiência trabalhando em uma tarefa de visão computacional (classificação de imagens, detecção de objetos etc.) usando deep learning em um ambiente profissional ou acadêmico. É necessário o conhecimento fundamental de processamento de linguagem natural (NLP), aprendizagem por reforço (RL) e outras arquiteturas de redes neurais, como RNNs/LSTMs e GANs. A experiência de qualificação inclui:

  • Uma função profissional (por exemplo, engenheiro de dados, cientista de dados) arquitetando projetos de visão computacional que usam deep learning
  • Cursos acadêmicos em visão computacional, NLP, RL e arquiteturas de redes neurais


Conhecimento e experiência:
os candidatos também devem ter experiência com o seguinte:

  • Familiaridade com os fundamentos básicos de programação, como funções e variáveis
  • Competência básica em Python

Criando Softwares de Processamento de Linguagem Natural Baseados em Transformadores

Experiência prática: 
candidatos devem demonstrar experiência trabalhando em pelo menos uma aplicação de processamento de linguagem natural (NLP) usando uma arquitetura baseada em transformadores (como o BERT), seja em capacidade comercial ou acadêmica, e explicar seu trabalho. A experiência de qualificação inclui:

  • Uma função profissional (por exemplo, engenheiro, cientista de dados) em um projeto de NLP que usou uma arquitetura baseada em transformadores
  • Um projeto de NLP concluído que usou uma arquitetura baseada em transformadores
  • Cursos acadêmicos em redes baseadas em transformadores de NLP


Conhecimento e experiência:
Os candidatos também devem ter experiência com o seguinte:

  • Competência básica em Python, incluindo familiaridade com tipos variáveis, loops, declarações condicionais, funções e manipulações de arrays, e métodos/objetos de classe
  • Competência básica em Pandas e NVIDIA NeMo
  • Experiência usando o NVIDIA Triton Inference Server

Aprimorando os Resultados da Ciência de Dados com Workflow Eficiente

Experiência prática: 
os candidatos devem demonstrar experiência significativa com ciência de dados em Python usando computação distribuída para grandes conjuntos de dados e devem ser capazes de discutir o seguinte sobre seu trabalho:

  • Detalhes sobre todos os aspectos de seus workflows de ponta a ponta, incluindo explicar suas decisões e falar com conhecimento sobre ferramentas e bibliotecas usadas
  • O uso de várias transformações de dados aplicadas em dados de entrada para consumo de modelos
  • O uso de vários algoritmos de machine learning em seu trabalho e explicação de suas decisões
  • Uso extensivo de bibliotecas de ciência de dados em Python, como Pandas, NumPy, scikit-learn e xgboost
  • Trabalho anterior usando ou falando sobre NVIDIA RAPIDS e Dask
  • Reconhecimento da natureza iterativa da ciência de dados e apreciação da aceleração de hardware para experimentação rápida


Conhecimento e experiência:
os candidatos devem ter experiência com o seguinte:

  • Experiência com Python e bibliotecas comuns de ciência de dados, como Pandas, NumPy, Scikit-learn e xgboost
  • Proficiência com manipulação de DataFrames
  • Familiaridade com computação distribuída usando Dask
  • Familiaridade com o workflow de machine learning de ponta a ponta
  • Proficiência com vários modelos de machine learning, especificamente aqueles de variantes baseadas em árvores
  • Proficiência com métricas de desempenho de modelos, como precisão e desempenho de inferência
  • Familiaridade com o ajuste de modelos e seus benefícios
  • Conhecimento do RAPIDS da NVIDIA, NVTabular e Triton Inference Server

Conceitos Básicos da Ciência de Dados Acelerada

Experiência Prática: 
Os candidatos devem demonstrar experiência prática com ciência de dados em Python e devem ser capazes de discutir sobre seu trabalho anterior:

  • Detalhes sobre todos os aspectos de seus workflows de ponta a ponta, explicando suas decisões e falando com conhecimento sobre ferramentas e bibliotecas usadas
  • O uso de muitos algoritmos de DS/ML em seu trabalho, explicando suas decisões
  • Uso extensivo de bibliotecas Python DS, como Pandas, NumPy, Scikit-learn, NetworkX
  • Trabalho anterior com Dask, preferível. Polars e/ou RAPIDS


Conhecimento e experiência:
Os candidatos devem ter experiência com o seguinte:

  • Experiência de ensino em sala de aula
  • Experiência em apresentações

Aplicações de IA para Detecção de Anomalias

Experiência prática:
Os candidatos devem demonstrar experiência em ciência de dados, machine learning, deep learning e o setor de telecomunicações. Eles devem ter trabalhado em pelo menos uma aplicação de IA significativa, seja em capacidade comercial ou acadêmica, e devem ser capazes de explicar seu trabalho. A experiência de qualificação inclui:

  • Colaboração significativa em um projeto que usou deep learning
  • Colaboração significativa em um projeto que usou outras técnicas de machine learning
  • Colaboração significativa em um projeto que exigia ciência de dados


Conhecimento e experiência:
Os candidatos também devem ter experiência com o seguinte:

  • Experiência profissional em ciência de dados usando Python
  • Compreensão prática do NVIDIA RAPIDS
  • Experiência significativa em machine learning e deep learning, especificamente modelos XG Boost, AutoEncoder e GAN
  • Exposição ao setor de telecomunicações e cibersegurança, especificamente redes e a ameaça de intrusão de rede

Aplicações de IA para Manutenção Preditiva

Experiência prática: 
Os candidatos devem demonstrar experiência trabalhando em pelo menos uma aplicação de deep learning, seja em capacidade comercial ou acadêmica, e explicar seu trabalho. A experiência de qualificação inclui:

  • Deep learning para dados de séries temporais, experiência em trabalho/pesquisa com variações de modelos de codificador automático, modelos recorrentes (LSTMs) e GANs
  • Medidas de precisão do modelo, preferencialmente no contexto de aplicações industriais
  • Familiaridade com técnicas de Machine Learning; compreensão completa do algoritmo XGBoost é crucial para o sucesso da entrega de cursos
  • Conhecimento mínimo de uma biblioteca de deep learning; Keras e TensorFlow são preferenciais


Conhecimento e experiência:
os candidatos também devem estar familiarizados com:

  • Conceitos de deep learning: no mínimo, conhecimento de redes neurais artificiais
  • Python e bibliotecas Python comuns usadas em deep learning (por exemplo, numpy, pandas, sklearn)
  • TensorFlow e Keras

Criação de Aplicações de IA Conversacional

Experiência prática: 
Os candidatos devem demonstrar experiência trabalhando em pelo menos uma aplicação de IA conversacional usando reconhecimento automático de fala (ASR), compreensão de linguagem natural (NLU) e/ou texto para fala (TTS), seja em capacidade comercial ou acadêmica, e explicar seu trabalho. A experiência de qualificação inclui:

  • Uma função profissional (por exemplo, engenheiro, cientista de dados) em um projeto de IA conversacional que usou um modelo ASR para transcrever a linguagem falada e processá-la
  • Um projeto de IA conversacional concluído para uma aplicação de assistente virtual
  • Cursos acadêmicos em IA conversacional usando redes neurais


Conhecimento e experiência:
Os candidatos devem ter experiência com o seguinte:

  • Competência básica em Python, incluindo familiaridade com tipos variáveis, loops, declarações condicionais, funções e manipulações de arrays, e métodos/objetos de classe
  • Experiência usando o NVIDIA TAO Toolkit e o NVIDIA Riva
  • Experiência básica em linhas de comando do Linux
  • Experiência usando o Docker
  • Experiência usando Helm Charts e Kubernetes

Visão Computacional para Inspeção Industrial

Experiência prática: 
Os candidatos devem demonstrar experiência trabalhando em pelo menos uma aplicação de deep learning, seja em capacidade comercial ou acadêmica, e explicar seu trabalho. A experiência de qualificação inclui:

  • Uso de técnicas de deep learning para enfrentar problemas de classificação, de preferência no contexto de aplicações industriais
  • Experiência profissional em um projeto de visão computacional que usou técnicas de deep learning
  • Cursos em deep learning para visão computacional que cobrem os vários estágios do workflow de desenvolvimento


Conhecimento e Experiência:
O candidato deve ter: 

  • Conhecimento de Python e bibliotecas Python comuns usadas em deep learning (por exemplo, numpy e pandas)
  • Familiaridade com o workflow de machine learning de ponta a ponta
  • Familiaridade com a manipulação de dados usando o pandas DataFrame
  • Familiaridade com conceitos de deep learning, incluindo conhecimento de redes neurais convolucionais
  • Familiaridade com pelo menos um framework de deep learning (Keras e TensorFlow são preferíveis)
  • Familiaridade com métricas, como precisão e desempenho de inferência
  • Familiaridade com interface de linha de comando e comandos básicos do Linux
  • Familiaridade com aprendizagem de transferência e modelos de ajuste fino
  • Conhecimento do DALI da NVIDIA, Kit de Ferramentas TAO, TensorRT e Triton Inference Server

Paralelismo de Dados: Como Treinar Modelos de Deep Learning em Várias GPUs

Experiência Prática: 
Os candidatos devem demonstrar experiência trabalhando em pelo menos uma aplicação de deep learning, seja em capacidade comercial ou acadêmica, e explicar seu trabalho. A experiência de qualificação inclui:

  • Implantação de workloads de treinamento de deep learning em várias GPUs e, de preferência, clusters de vários nós
  • Abordagens paralelas de dados para deep learning distribuído
  • Criação de perfis e otimização do código de deep learning
  • Uso de contêineres do NVIDIA NGC
  • Experiência em criação de redes neurais com PyTorch
  • Uso do PyTorch DDP para implantar treinamento distribuído


Conhecimento e experiência:
o candidato deve ter experiência com o seguinte:

  • Forte conhecimento da literatura discutindo implicações do treinamento de redes neurais profundas com grandes lotes, em particular, uma boa compreensão do algoritmo LARS/LARC
  • Conhecimento do processo usado no treinamento de redes neurais profundas: em particular, compreensão do Stochastic Gradient Descent e dos algoritmos de retropropagação

Paralelismo de Modelos: Criação e Implantação de Grandes Redes Neurais

Experiência prática: 
Os candidatos devem demonstrar experiência trabalhando em uma tarefa relacionada ao paralelismo de modelos usando deep learning em um ambiente profissional ou acadêmico. É necessário o conhecimento fundamental de técnicas de otimização, como checkpointing de ativação, treinamento de precisão mista e acumulação de gradientes. A experiência de qualificação inclui:

  • Experiência profissional (por exemplo, engenheiro de dados, cientista de dados) arquitetando projetos de Deep Learning que usam sistemas distribuídos, como cloud ou máquinas com várias GPUs
  • Cursos acadêmicos em arquitetura de grandes redes neurais, como GPT-3


Conhecimento e Experiência:
Os candidatos também devem demonstrar: 

  • Compreensão das tecnologias Slurm, NVIDIA Triton e DeepSpeed
  • Compreensão das diferenças entre o paralelismo de modelos e dados

Adição de Novos Conhecimentos a LLMs

Experiência prática: 
Os candidatos devem demonstrar experiência trabalhando em pelo menos uma aplicação de LLM envolvendo ajuste fino, seja em capacidade comercial ou acadêmica, e explicar seu trabalho. A experiência de qualificação pode incluir:

  • Como suas aplicações fornecem aceleração significativa em um problema que não poderia ser resolvido com sucesso em um ambiente apenas de CPU
  • As especificações das estratégias de otimização usadas nas aplicações
  • Desafios técnicos específicos relacionados ao NVIDIA CUDA que surgiram durante o desenvolvimento de aplicações


Conhecimento e Experiência:
Os candidatos devem ter experiência nas seguintes áreas:

  • Diferenciação de RAG, ajuste fino e alinhamento
  • Estratégias para impulsionar a criação de diversos conjuntos de dados sintéticos
  • Ajuste fino com eficiência de parâmetros
  • Técnicas de pruning
  • Técnicas de destilação
  • Estratégias de decodificação de grandes modelos de linguagem (LLM), como top-k/p e beam search.
  • Técnicas de avaliação de saída de LLM, como ROUGE/BLEU, similaridade semântica e LLM-as-a-judge

Criação de Aplicações com IA Baseada em Agentes usando LLMs

Experiência Prática:
Os candidatos devem demonstrar experiência trabalhando em pelo menos uma aplicação de IA baseada em agentes, seja em capacidade comercial ou acadêmica, e conseguir explicar seu trabalho. A experiência de qualificação pode incluir:

  • Experiência profissional (por exemplo, engenheiro, cientista de dados)
  • Um projeto concluído
  • Cursos acadêmicos


Conhecimento e experiência:
os candidatos devem ter experiência com o seguinte:

  • LangChain Moderno, incluindo LCEL, LangGraph, etc.
  • Recursos de diferenciação de várias ferramentas baseadas em agentes, como LangGraph, CrewAI e Autogen
  • Sistemas de grandes modelos de linguagem (LLM) dinâmicos
  • Chamada de ferramenta de LLM
  • Estratégias para evitar derailing
  • Roteamento com base em agentes

Criação de Aplicações de LLM com Engenharia de Prompt

Experiência prática:
os candidatos devem demonstrar experiência trabalhando em pelo menos uma aplicação de grande modelo de linguagem (LLM) usando uma interface programática, seja em capacidade comercial ou acadêmica, e explicar seu trabalho. A experiência de qualificação pode incluir:

  • Experiência profissional (por exemplo, engenheiro, cientista de dados)
  • Um projeto concluído
  • Cursos acadêmicos


Conhecimento e Experiência:
Os candidatos devem ter experiência com o seguinte:

  • Desenvolvimento em Python, incluindo uma compreensão do Pydantic
  • LangChain Moderno, incluindo LCEL, LangGraph, etc.
  • Métodos de decodificação de previsão de tokens de LLM 
  • Como os modelos de LLM são desenvolvidos (pré-treinamento, alinhamento, ajuste de instruções etc.)
  • Técnicas de solicitação de LLM, incluindo iterativa, zero/one/few-shot, cadeia de raciocínio.
  • Agentes usando ferramentas, como ReAct

Criação de Agentes de IA com Modelos Multimodais

Experiência prática:
os candidatos devem demonstrar experiência trabalhando em pelo menos uma aplicação de IA generativa incorporando inputs de várias modalidades, seja em capacidade comercial ou acadêmica, e conseguir explicar seu trabalho. A experiência de qualificação pode incluir:

  • Experiência profissional (por exemplo, engenheiro, cientista de dados)
  • Um projeto concluído
  • Cursos acadêmicos


Conhecimento e Experiência:
Os candidatos devem ter experiência com o seguinte:

  • Detalhes da implementação do pré-treinamento contrastivo
  • Técnicas para combinar embeddings de várias modalidades, como projeções de modelos de linguagem visual
  • Ferramentas para dividir documentos, incluindo texto, títulos, figuras, gráficos e tabelas
  • Geração aumentada por recuperação de gráficos (RAG) e tecnologia associada, como bases de conhecimento e consultas de Cypher

Construção de Agentes RAG com LLMs

Experiência prática:
Os candidatos devem demonstrar experiência em ciência de dados, machine learning, deep learning e o setor de telecomunicações. Eles devem ter trabalhado em pelo menos uma aplicação de IA significativa, seja em capacidade comercial ou acadêmica, e explicar seu trabalho. A experiência de qualificação inclui:

  • Contribuição ativa de código aberto ou esforços de coordenação na área
  • Experiência em orquestrar sistemas de gerenciamento de diálogos e recuperação de informações
  • Forte experiência em engenharia de software aplicada, especialmente em microservices e soluções de servidor de inferência


Conhecimento e experiência:
Os candidatos devem ter experiência com o seguinte:

  • Forte proficiência em Python, incluindo programação funcional e implantação em servidor
  • Experiência em grandes modelos de linguagem como endpoints de inferência, incluindo casos práticos de uso no setor
  • É necessária uma forte experiência com LangChain (incluindo LCEL) e LangServe; compreensão de LangGraph, LlamaIndex, Langsmith e NeMo Guardrails útil
  • Experiência com orquestração de microsserviços/servidores, incluindo Docker e FastAPI
  • Experiência com geração moderna aumentada por recuperação (RAG), incluindo algumas formulações derivadas e prós e contras
  • Compreensão do comportamento de agentes, ferramentas e componentes de agentes modulares
  • Intuição de métricas de avaliação e expectativas de desempenho

Implantação de Pipelines de RAG para Produção em Escala

Experiência Prática: 
Os candidatos devem demonstrar experiência significativa na implantação de sistemas de recuperação. Eles devem ter trabalhado em pelo menos uma aplicação de IA significativa, seja em capacidade comercial ou acadêmica, e explicar seu trabalho. A experiência de qualificação inclui:

  • Contribuição ativa de código aberto ou esforços de coordenação na área
  • Experiência em orquestrar sistemas de gerenciamento de diálogos e recuperação de informações
  • Forte experiência em engenharia de software aplicada, especialmente em microservices e soluções de servidor de inferência


Conhecimento e Experiência:
Os candidatos devem ter experiência com o seguinte:

  • Forte proficiência em Python, incluindo programação funcional e implantação em servidor
  • Experiência em grandes modelos de linguagem como endpoints de inferência, incluindo casos práticos de uso no setor
  • Experiência com orquestração de microsserviços/servidores, incluindo Docker e FastAPI
  • Sistemas de recuperação, incluindo combinação de embedders e rerankers
  • Intuição de métricas de avaliação e expectativas de desempenho
  • Plataformas de orquestração de contêineres, especialmente clusters de Kubernetes
  • Ferramentas de monitoramento como Prometheus

IA Generativa com Modelos de Difusão

Experiência prática:
os candidatos devem demonstrar experiência completa e atualizada com Deep Learning, visão computacional e modelos de difusão. Os candidatos ideais devem ter conhecimento prévio do material disponível, bem como funções ativas que os expõem às últimas tendências, inovações e intuições emergentes. As experiências de qualificação incluem:

  • Uma função profissional (por exemplo, engenheiro de aprendizado de máquina, cientista de dados) arquitetando projetos de aprendizado profundo que geram imagens
  • Contribuição ativa de código aberto ou esforços de coordenação na área
  • Cursos acadêmicos sobre o uso de IA para gerar imagens


Conhecimento e experiência:
Os candidatos devem ter experiência com o seguinte:

  • Proficiência em Python e PyTorch
  • Compreensão ativa e intuitiva de CLIP e AEs/VAEs/GANs/Stable Diffusion multimodal
  • Compreensão intuitiva de classificação de áudio/vídeo/imagem/legenda/transcrição
  • Base em estatística, incluindo a distribuição normal e a amostragem aleatória

Desenvolvimento Rápido de Aplicações Usando Grandes Modelos de Linguagem (LLMs)

Experiência prática:
os candidatos devem demonstrar experiência completa e atualizada com Deep Learning, grandes modelos de linguagem e sistemas de agentes. Os candidatos ideais devem ter conhecimento prévio do material disponível, bem como funções ativas que os expõem às últimas tendências, inovações e intuições emergentes. As experiências de qualificação incluem:

  • Experiência em design de modelos de chat/arquitetura de modelos multimodais
  • Experiência com loop de treinamento e as premissas/intuições de pipeline
  • Contribuição ativa de código aberto ou esforços de coordenação na área
  • Experiência em orquestrar sistemas de gerenciamento de diálogos e recuperação de informações


Conhecimento e experiência:
Os candidatos devem ter experiência com o seguinte:

  • Proficiência avançada com Python, suficiente para ler o código-fonte do Hugging Face
  • Conforto em Hugging Face, incluindo serialização, lançamento de modelos, HF Transformers etc.
  • Experiência no design de sistemas com componentes de LLM
  • Familiaridade com PyTorch, deep learning, IA Generativa, modelos multimodais, etc.
  • Compreensão de experimentação/implantação com sistemas de LLM, incluindo requisitos de hardware, considerações de segurança e técnicas de avaliação.
  • Compreensão intuitiva de classificação de áudio/vídeo/imagem/legenda/transcrição
  • Compreensão ativa e intuitiva de CLIP e AEs/VAEs/GANs/Stable Diffusion multimodal
  • Experiência em LangChain, incluindo intuições e detalhes dos desenvolvimentos atuais
  • Familiaridade com geração aumentada por recuperação (RAG), incluindo LlamaIndex, serviços de VDB, modelos de recuperação e muito mais
  • Conforto com as propostas de valor da NVIDIA em torno de LLMs, RAG, NVIDIA NeMo, etc.

NVIDIA Isaac para Robótica Acelerada

Experiência prática:
os candidatos devem demonstrar experiência trabalhando em pelo menos um projeto de simulação de robótica, seja em capacidade comercial ou acadêmica, e conseguir explicar seu trabalho. A experiência de qualificação pode incluir:

  • Experiência profissional (por exemplo, engenheiro, cientista de dados)
  • Um projeto concluído
  • Cursos acadêmicos


Conhecimento e Experiência:
Os candidatos devem ter experiência com o seguinte:

  • NVIDIA ISAAC SIM
  • OpenUSD
  • Modelos URDF
  • ROS2
  • Navegação robótica, ou seja, SLAM
  • Geração de dados sintéticos

Administração do Cumulus Linux

Os candidatos devem demonstrar experiência abrangente e atualizada em redes de Data Center. Os candidatos ideais têm experiência prática em tecnologias avançadas de redes de IA e monitoramento em tempo real.

Experiência prática:

  • Experiência profissional (por exemplo, engenheiro de rede, administrador de sistema, engenheiro de infraestrutura, arquiteto de soluções, DevOps, treinadores) implantando, configurando e gerenciando ambientes de rede baseados em Cumulus Linux em Data Centers de produção.


Conhecimentos e experiência:

  • Proficiência em administração de Linux (shell, gerenciamento de configuração, solução de problemas) 
  • Forte conhecimento de redes Ethernet, switching e roteamento 
  • É preferencial ter experiência em hardware de rede NVIDIA 
  • Redes de camada 2 e camada 3: VLANs, bridging, trunking, agregação de links (LAG/MLAG), SVIs, VRR, VRF e BGP (incluindo BGP não numerado)
  • Virtualização de rede usando VXLAN e EVPN, incluindo modelos de roteamento simétrico e assimétrico 
  • Experiência com ferramentas e workflows de automação de rede (por exemplo, Ansible, APIs REST, Zero Touch Provisioning)
  • Monitoramento, diagnóstico e solução de problemas em várias camadas de rede, incluindo monitoramento de recursos de hardware e OpenTelemetry 


Preferencial:

  • Certificação NVIDIA Cumulus Linux ou IA Networking
  • Envolvimento ativo em projetos de redes de código aberto ou comunidade

Administração da Plataforma de Rede Spectrum-X

Os candidatos devem demonstrar experiência abrangente e atualizada em redes de Data Center. Os candidatos ideais têm experiência prática em tecnologias avançadas de redes de IA e monitoramento em tempo real. 

Experiência prática:

  • Funções profissionais, como engenheiro de rede, DevOps, instrutores técnicos ou administradores de sistemas trabalhando com Spectrum-X, Cumulus Linux e redes de data center de IA
  • Instrutor certificado Cumulus Linux
  • Experiência com simulação e implantação de cluster NVIDIA Air 
  • Monitoramento em tempo real e solução de problemas com NVIDIA NetQ, Cumulus Linux CLI e ferramentas de telemetria (ASIC, OTLP, DTS) 


Conhecimentos e experiência:

  • Cumulus Linux: Experiência prática com instalação, configuração, upgrades, recursos de camada 2/3, virtualização de rede (VXLAN/EVPN), automação e solução de problemas 
  • Redes: Forte conhecimento de Ethernet, switching, roteamento e automação de redes de Data Center 
  • Linux: Proficiência em administração de Linux e gerenciamento de ambientes de rede baseados em Linux 


Preferencial:

  • Certificação NVIDIA Spectrum-X ou IA Networking
  • Envolvimento ativo em projetos de redes de código aberto ou comunidade

Infraestrutura de AI

Os candidatos devem demonstrar experiência abrangente e atualizada em implantação e gerenciamento de infraestrutura de data center de IA, incluindo computação, redes, armazenamento e virtualização. Os candidatos ideais têm experiência prática com tecnologias e workflows avançados de infraestrutura de IA.

Experiência prática:

  • Funções profissionais, como administrador de data center, engenheiro de DevOps, administrador de sistema ou engenheiro de infraestrutura de IA trabalhando com ambientes de IA em escala empresarial
  • Experiência direta e prática com:
  • Implantação e gerenciamento de plataformas de computação de IA (GPUs, CPUs, DPUs) 
  • Criação e manutenção de redes InfiniBand e Ethernet para workloads de IA 
  • Arquitetura de armazenamento e otimização de desempenho para Data Centers de IA 
  • Tecnologias de virtualização (VMs, contêineres, particionamento de GPU com vGPU/MIG) 
  • Instalação e gerenciamento do software NVIDIA (drivers de GPU, DOCA, contêineres NVIDIA NGC, IA da NVIDIA Enterprise Suite)
  • Uso de ferramentas de gerenciamento, como o NVIDIA Base Command Manager (BCM) para provisionamento e operações de cluster de IA 


Conhecimentos e experiência:

  • Redes: Forte conhecimento de Ethernet e InfiniBand, switching, roteamento e automação avançada de redes de Data Center 
  • Linux: Proficiência em administração de sistemas Linux (gerenciamento de usuários, configuração, solução de problemas) 
  • Armazenamento: Compreensão de sistemas de arquivos, protocolos de armazenamento e testes de desempenho 
  • Virtualização: Experiência com VMs, contêineres e virtualização de GPU 
  • Conceitos de IA: Familiaridade com Machine Learning, Deep Learning e aplicações comuns de IA

Operações de IA

Os candidatos devem demonstrar experiência abrangente e atualizada em operação e gerenciamento de ambientes de Data Center de IA, incluindo computação, redes, armazenamento e virtualização. Os candidatos ideais têm experiência prática com operações e workflows avançados de Data Center de IA.

Experiência prática:

  • Experiências profissionais como administrador de Data Center, engenheiro de DevOps, administrador de sistema, engenheiro de infraestrutura de IA ou cientista de dados trabalhando com ambientes de IA em escala empresarial 
  • Experiência direta e prática com:
  • Operação e gerenciamento de plataformas de computação de IA (GPUs, CPUs, DPUs) 
  • Provisionamento e gerenciamento de workloads de IA e virtualização em Data Centers 
  • Criação e manutenção de redes InfiniBand e Ethernet para workloads de IA 
  • Arquitetura de armazenamento e otimização de desempenho para Data Centers de IA 
  • Tecnologias de virtualização (VMs, contêineres, particionamento de GPU) 
  • Instalação e gerenciamento de software NVIDIA (drivers de GPU, DOCA, contêineres NGC, AI Enterprise Suite) 
  • Uso de ferramentas de gerenciamento como NVIDIA DCGM, UFM e utilitários de gerenciamento BlueField 


Conhecimentos e experiência:

  • Redes: Forte conhecimento de Ethernet e InfiniBand, switching, roteamento e automação de redes de Data Center 
  • Linux: Proficiência em administração de sistemas Linux (gerenciamento de usuários, configuração, solução de problemas) 
  • Armazenamento: Compreensão de sistemas de arquivos, protocolos de armazenamento e testes de desempenho 
  • Virtualização: Experiência com VMs, contêineres e virtualização de GPU 
  • Conceitos de IA: Familiaridade com Machine Learning, Deep Learning e aplicações comuns de IA
Informações Corporativas
Notícias e Eventos
Links Populares