Vereinigte Staaten
Siemens
Booz Allen Hamilton
Wireless and Edge AI/ML Engineer
Vereinigte Staaten
Annapolis Junction, Maryland, United States
PythonDockerKubernetesC++Terraform
Automatische Übersetzung. Prüfe das Original.
STELLENBESCHREIBUNG
Remote-Arbeit: Hybrid
Stellennummer: R0251743
Standort: Annapolis Junction, MD, US
Sicherheitsüberprüfung
Ausgewählte Bewerber unterliegen einer Sicherheitsüberprüfung und müssen möglicherweise die Voraussetzungen für den Zugang zu klassifizierten Informationen erfüllen.
Identitätserklärung
Als Teil des Einstellungsprozesses werden wir Sie bitten, einen Identitätsprüfungsprozess zu durchlaufen, der fortschrittliche Biometrie und künstliche Intelligenz nutzt, um die Authentizität sicherzustellen und vor Identitätsbetrug zu schützen. Es wird erwartet, dass Sie während der Interviews und Bewertungen vor der Kamera sind. Wir behalten uns das Recht vor, Ihr Bild aufzunehmen, um Ihre Identität zu überprüfen und Betrug zu verhindern.
Richtlinie zur Nutzung von KI durch Kandidaten
KI ist Teil unserer täglichen Arbeit bei Booz Allen, und wir verpflichten uns zur verantwortungsvollen und ethischen Nutzung von KI-Tools. Wir möchten jedoch einen fairen Bewerbungsprozess gewährleisten, der auf Ihren eigenen Fähigkeiten und Kenntnissen basiert. Als Teil dieser Verpflichtung ist die Nutzung von künstlicher Intelligenz (KI) oder anderen Tools zur Unterstützung bei Antworten während Interviews (ob persönlich oder virtuell) untersagt, sofern keine ausdrückliche Genehmigung erteilt wurde.
Arbeitsmodell
Unsere mitarbeiterorientierte Kultur priorisiert die Vorteile der Zusammenarbeit. Um Engagement und effektive Kommunikation zu unterstützen, wird von Mitarbeitern, die virtuell arbeiten, im Allgemeinen erwartet, dass sie während Meetings ihre Kameras eingeschaltet haben.
- Remote: Wenn diese Position als Remote aufgeführt ist, kann es dennoch Gelegenheiten geben, bei denen Sie persönlich in einer Einrichtung von Booz Allen oder einem Kunden arbeiten müssen.
- Hybrid: Wenn diese Position als Hybrid aufgeführt ist, wird von Ihnen erwartet, dass Sie in einer Einrichtung von Booz Allen oder einem Kunden arbeiten, in Übereinstimmung mit den Erwartungen Ihrer Führungskraft und den Anforderungen der Rolle.
- Vor Ort: Wenn diese Position als Vor Ort aufgeführt ist, wird die Arbeit hauptsächlich in Vollzeit in einer Kundeneinrichtung ausgeführt, wo Mitarbeiter direkt mit Kollegen und Kunden zusammenarbeiten, wie es die Rolle erfordert.
Verpflichtung zur Nichtdiskriminierung
Alle qualifizierten Bewerber werden für eine Anstellung in Betracht gezogen, ohne Rücksicht auf Behinderung, Status als geschützter Veteran oder einen anderen Status, der durch geltendes Bundes-, Landes-, lokales oder internationales Recht geschützt ist.
Bewerber, die aufgrund einer Behinderung, einer aufrichtig vertretenen religiösen Überzeugung, Praxis oder Einhaltung oder wie anderweitig durch geltendes Recht erforderlich eine angemessene Vorkehrung für einen Teil des Bewerbungs-, Einstellungs- oder Beschäftigungsprozesses benötigen, sollten sich an den Booz Allen Help Desk wenden, indem sie 1-877-927-8278 anrufen oder eine E-Mail an [email protected] senden. Wir werden Anfragen individuell prüfen und angemessene Vorkehrungen im Einklang mit geltendem Recht treffen.
Wireless and Edge AI/ML Engineer
Die Chance
Bei Booz Allen eröffnen wir unseren Kunden Möglichkeiten für ihre schwierigsten Herausforderungen. Unser bereichsübergreifendes Team aus Beratern, Technologen, Forschern, Ingenieuren und Cybersicherheitsexperten entwickelt innovative Lösungen für die Infrastruktur und die Fähigkeiten von morgen. Wir sind vertrauenswürdige Partner bei den kritischsten Missionen unserer Kunden und bringen unsere Expertise ein, aber es sind unsere Einstellung, unser Mut, unsere Neugier und unsere Leidenschaft für die Zukunft, die uns einzigartig machen.
Wir suchen einen AI/ML Engineer, der sich einem Team anschließt, das eine konvergente Plattform aufbaut, auf der Echtzeit-Funk-Signalverarbeitung und KI-Inferenz auf derselben GPU-beschleunigten Hardware ausgeführt werden. Sie entwickeln, optimieren und implementieren Modelle, die neben Live-Netzwerk-Workloads laufen, bei denen Latenzbudgets in Mikrosekunden gemessen werden und die Rechenleistung mit dem Funk-Stack geteilt wird. Die Arbeit umfasst den gesamten Lebenszyklus: Datenpipelines aus der Netzwerktelemetrie, Modelltraining und Benchmarking, GPU-optimierte Inferenz sowie containerisierte Bereitstellung auf Kubernetes in einem praxisorientierten Labor.
Kommen Sie zu uns. Die Welt kann nicht warten.
Ihre Aufgaben
- Entwurf, Training und Evaluierung von ML-Modellen für Anwendungsfälle in drahtlosen Netzwerken, einschließlich Verkehrsvorhersage, Anomalieerkennung, Interferenzklassifizierung, Ressourcenplanung und Energieoptimierung unter Verwendung von Netzwerktelemetrie, KPIs und im Labor erfassten RF-Daten
- Aufbau von Datenpipelines, die Telemetrie aus dem Netzwerk-Stack, wie Leistungsindikatoren, Protokolle, Paketmitschnitte und I/Q-Samples, erfassen, kennzeichnen und versionieren, um reproduzierbare Trainingsdatensätze zu erstellen
- Optimierung trainierter Modelle für Echtzeit-Inferenz auf GPU-beschleunigten Edge-Servern: Quantisierung, Pruning, Konvertierung für TensorRT oder ONNX Runtime, CUDA-Profiling sowie Benchmarking von Latenz und Durchsatz gegen feste Zielvorgaben
- Paketierung und Bereitstellung von Modellen als containerisierte Inferenzdienste auf Kubernetes unter Verwendung von NVIDIA Triton Inference Server, dem NVIDIA GPU Operator sowie MIG oder zeitlich geteiltem GPU-Sharing neben Live-Netzwerk-Workloads
- Entwicklung KI-gesteuerter Netzwerkanwendungen wie xApps und rApps, die Netzwerktelemetrie nutzen und Steuerungsentscheidungen über standardisierte Schnittstellen zurückgeben, sowie deren End-to-End-Validierung im Labor
- Instrumentierung der Plattform mit MLOps-Tools: Experiment-Tracking, Modell-Registry, automatisierte Retraining-Trigger, Drift-Überwachung und CI/CD für die Modellbereitstellung
- Benchmarking der GPU-Ressourcenkonkurrenz zwischen Signalverarbeitungs- und KI-Inferenz-Workloads sowie Charakterisierung und Dokumentation des Betriebsbereichs für die gemeinsame Nutzung auf einer einzigen Plattform
- Anwendung von Sicherheits- und Qualitätssicherungspraktiken auf den ML-Lebenszyklus: Modellprovenienz, Datensatz-Lineage, Tests auf Robustheit gegen gegnerische Angriffe und Ausrichtung an den KI-Sicherheitsrichtlinien des DoD
- Erstellung und Pflege technischer Dokumentationen, einschließlich Modellkarten, Trainings- und Bereitstellungsverfahren, Benchmark-Berichten und Reproduzierbarkeitsleitfäden, zeitgleich mit der Laborarbeit, nicht im Nachhinein
- Zusammenarbeit mit Netzwerk-, RF- und Cybersicherheitsingenieuren, um Missionsanforderungen in Modelle zu übersetzen, die auf dem bereitgestellten System laufen, und Präsentation der Ergebnisse vor Regierungsvertretern
Mindestanforderungen
Das bringen Sie mit
- 3+ Jahre Erfahrung im Training und der Evaluierung von ML-Modellen unter Verwendung von Frameworks wie PyTorch oder TensorFlow, einschließlich des Exports von Modellen in Formate wie ONNX für die Bereitstellung
- 3+ Jahre Erfahrung in der Softwareentwicklung mit Python, einschließlich produktionsreifem Code, Tests und Versionskontrollpraktiken
- Erfahrung in der Optimierung und dem Benchmarking trainierter neuronaler Netze für die Inferenz: Messung von Latenz und Durchsatz, Profiling sowie Techniken wie Quantisierung oder Pruning
- Erfahrung mit GPU-Computing, einschließlich CUDA, cuDNN oder GPU-beschleunigten Bibliotheken, sowie mit NVIDIA-Treiber- und Container-Tools in einer Linux-Serverumgebung
- Erfahrung in der Bereitstellung von ML-Modellen als Dienste in containerisierten Umgebungen wie Docker oder Kubernetes sowie im Aufbau von Datenpipelines für Zeitreihen- oder Telemetriedaten, einschließlich Feature Engineering und Datensatz-Versionierung
- Erfahrung in der Arbeit in einem agilen, funktionsübergreifenden Ingenieurteam und bei der Lösung komplexer Probleme mit begrenzter Anleitung
- Fähigkeit, praxisorientiert in einer schnelllebigen Laborumgebung mit festen Lieferterminen zu arbeiten
- Fähigkeit, klare, präzise technische Dokumentationen zu erstellen und Ergebnisse vor technischem und nicht-technischem Publikum zu präsentieren
- Fähigkeit, eine Secret-Sicherheitsfreigabe zu erhalten
- Bachelor-Abschluss in einem MINT-Fach und 5+ Jahre Erfahrung in KI/ML oder Automatisierung unter Verwendung von Python, Ansible, Terraform und Kubernetes, Master-Abschluss in einem MINT-Fach und 3+ Jahre Erfahrung in KI/ML oder Automatisierung unter Verwendung von Python, Ansible, Terraform und Kubernetes oder 8+ Jahre Erfahrung in KI/ML oder Automatisierung unter Verwendung von Python, Ansible, Terraform und Kubernetes anstelle eines Abschlusses
Wünschenswert
- Erfahrung mit RF-Theorie, digitaler Signalverarbeitung oder Physical-Layer-Algorithmen, wie Kanalschätzung, Beamforming und Modulationsklassifizierung, einschließlich GNU Radio oder MATLAB
- Erfahrung mit AI-RAN oder KI-nativen drahtlosen Plattformen: NVIDIA Aerial, GPU-beschleunigter Layer 1 oder KI/ML-basierter RAN-Optimierung
- Erfahrung mit O-RAN-Architekturen, einschließlich des RAN Intelligent Controller Near-RT und Non-RT RIC, xApp/rApp-Entwicklung sowie den Schnittstellen E2 und A1
- Erfahrung mit 5G/LTE-Netzwerk-KPIs, Leistungsindikatoren und Telemetrie, wie 3GPP-Leistungsmanagementdaten, als ML-Trainingseingaben
- Erfahrung in der Bereitstellung und Optimierung großer Sprachmodelle (LLMs) für die Inferenz unter Verwendung von Frameworks wie vLLM oder NVIDIA TensorRT-LLM, einschließlich GPU-Speicheroptimierung sowie Benchmarking von Latenz und Durchsatz
- Erfahrung mit einer Reihe neuronaler Netzwerkarchitekturen, einschließlich Transformern, Graph Neural Networks und Reinforcement Learning für Steuerungs- und Planungsprobleme
- Erfahrung mit C/C++ oder anderen Systemprogrammiersprachen für leistungskritische Anwendungen oder GPU-beschleunigtes Computing
- Erfahrung mit MLOps-Plattformen und -Tools, einschließlich MLflow, Kubeflow, DVC oder Äquivalenten
- Erfahrung in der Entwicklung automatisierter Tests für ML-Datenpipelines, Modellvalidierung und Performance-Regressionstests
- Erfahrung mit der KI-Sicherung des DoD und Richtlinien für verantwortungsvolle KI sowie mit DISA STIG- oder RMF-Anforderungen für ML-Systeme
Vergütung
Bei Booz Allen würdigen wir Ihre Beiträge, bieten Ihnen Möglichkeiten und Auswahlmöglichkeiten und unterstützen Ihr allgemeines Wohlbefinden. Unser Angebot umfasst Gesundheits-, Lebens-, Invaliditäts-, Finanz- und Altersvorsorgeleistungen sowie bezahlten Urlaub, berufliche Weiterbildung, Studiengebührenunterstützung, Work-Life-Programme und Kinderbetreuung. Unser Anerkennungsprogramm würdigt Mitarbeiter für außergewöhnliche Leistungen und die herausragende Demonstration unserer Werte. Vollzeit- und Teilzeitmitarbeiter, die regelmäßig mindestens 20 Stunden pro Woche arbeiten, sind berechtigt, an den Leistungsprogrammen von Booz Allen teilzunehmen. Personen, die diese Schwelle nicht erreichen, haben nur Anspruch auf ausgewählte Angebote, die keine Gesundheitsleistungen beinhalten. Wir laden Sie ein, mehr über unsere Gesamtleistungen zu erfahren, indem Sie die Ressourcenseite auf unserer Karriereseite besuchen und unsere Seite zu Mitarbeiterleistungen lesen.
Das Gehalt bei Booz Allen wird durch verschiedene Faktoren bestimmt, einschließlich, aber nicht beschränkt auf den Standort, die individuelle Kombination aus Ausbildung, Wissen, Fähigkeiten, Kompetenzen und Erfahrung des Einzelnen sowie vertragsspezifische Erschwinglichkeit und organisatorische Anforderungen. Die prognostizierte Vergütungsspanne für diese Position liegt bei $99,000.00 bis $225,000.00 (annualisiert USD). Die angezeigte Schätzung stellt die typische Gehaltsspanne für diese Position dar und ist nur eine Komponente des Gesamtvergütungspakets von Booz Allen für Mitarbeiter. Diese Stellenausschreibung endet innerhalb von 90 Tagen ab dem Veröffentlichungsdatum.
ÜBER UNS
Booz Allen ist ein Unternehmen für fortschrittliche Technologie. Wir bauen Produkte und Lösungen in kommerzieller Qualität für die kritischsten Verteidigungs-, Zivil- und nationalen Sicherheitsprioritäten Amerikas.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen