Горячие вакансии

Разработка и оптимизация алгоритмов цифровой обработки сигналов с использованием глубокого обучения для бесконтактной оценки жизненных параметров человека, обнаружения аномалий и отслеживания траектории движения пользователя.

Исследования и проектирование/ оптимизация алгоритмов для статического анализа. Автоматический перевод из языка программирования с динамической типизацией в язык программирования со статической типизацией. Приглашаем как опытных разработчиков, так и студентов-призеров и победителей профильных олимпиад по информатике, математике и физике (не ниже Всероссийской олимпиады школьников). Примечание к стажировке: Рассматриваются кандидаты, готовые стажироваться от 6 месяцев 32 часа в неделю.

Мы решаем математические и алгоритмические задачи, возникающие при построении и использовании проводных сетей, суперкомпьютеров, а также облачных вычислений. Среди этих задач: кластеризация графов с последующим раутингом; использование AI для раутинга; раутинг, удовлетворяющий нескольким независимым ограничениям (на качество сервиса); балансировка потоков и загрузка серверов; предсказание трафика. В этих задачах возникает много красивой математики и алгоритмов из теории графов, дискретной оптимизации и теории вероятности. Начинаются проекты с чтения литературы, дальше мы строим адекватную математическую модель, ищем методы её решения, а затем реализуем это в коде и проверяем качество модели на тестовых ситуациях. Приглашаем аспирантов и кандидатов наук, а также студентов-призеров и победителей профильных олимпиад по математике, информатике и физике (не ниже Всероссийской олимпиады школьников). Примечание к стажировке: Рассматриваются кандидаты, готовые стажироваться от 9 месяцев 32 часа в неделю.

Исследовать и определять эффективные подходы к оптимизации распределенных вычислений, хранений и передачи данных.
Выступать в качестве владельца бизнес-поддомена в команде. Собирать требования и формировать дорожную карту .
Самостоятольно проектируйте и разрабатывайте функции распределенного вычислительного движка больших данных.

Команда Huawei Moscow Computing ищет разработчиков графовых алгоритмов для исследования, проектирования и оптимизации собственного фреймворка обработки больших графов. Имеются вакансии разного уровня — для младших разработчиков, индивидуальных исследователей, технических лидеров и архитекторов. Кандидаты старшего уровня будут иметь возможность влиять на развитие продукта и технологическую дорожную карту.

ОПИСАНИЕ ПРОЕКТА
Проект заключается в разработке библиотеки параллельных и распределенных алгоритмов анализа больших графов с миллиардами и триллионами вершин и рёбер. Мы используем несколько подходов для обработки больших графов, включая выражение графовых алгоритмов в терминах матричных/векторных операций (GraphBLAS), распределенные вычисления на базе Apache Spark, инкрементную пакетную обработку и обработку динамических (time-evolving) графов. В настоящее время наши библиотеки поддерживают широкий спектр классических алгоритмов анализа графов (например, вычисление компонент связности, кратчайших путей, метрики центральности, PageRank, поиск изоморфных подграфов, Node2Vector), и мы планируем расширять библиотеку новыми алгоритмами. Наша цель — конкурировать с решениями с открытым исходным кодом и ведущими индустриальными решениями по производительности и масштабируемости. Кроме того, мы проводим долгосрочные исследования графовых алгоритмов с распределенной памятью и стремимся разработать новый фреймворк для обработки больших графов.

Команда состоит из разработчиков алгоритмов, математиков и инженеров-программистов с математическим образованием; большинство членов команды имеют учёную степень.

Исследование и разработка новых алгоритмов сжатия видео на основе подходов с использованием искусственного интелекта. Разработка архитектур сети и её оптимизация по критерию эффективности сжатия. Участие в рабочих группах в рамках международной стандартизации, таких как MPEG.

Исследование и разработка новых алгоритмов сжатия для 3D контента (3D mesh, 3D point cloud, texture) на основе традиционных подходов и подходов с использованием искусственного интелекта. Разработка систем передачи 3D контента. Возможность участия в рабочих группах в рамках международной стандартизации, таких как MPEG.

Разработка адаптивных протоколов для стриминговой передачи объемного 3D видео (видео по запросу и/или прямая трансляция в режиме реального времени). Разработка рабочих прототипов для последующего внедрения в продукты компании. Возможность участия в рабочих группах в рамках международной стандартизации, таких как MPEG.

Команда Huawei Moscow Computing ищет исследователей и разработчиков алгоритмов машинного обучения для проведения исследований, анализа, проектирования и оптимизации собственной библиотеки алгоритмов машинного обучения. Имеются вакансии разного уровня — для младших разработчиков, индивидуальных исследователей, технических лидеров и архитекторов. Кандидаты старшего уровня будут иметь возможность влиять на развитие продукта и технологическую дорожную карту.

ОПИСАНИЕ ПРОЕКТА
Целью проекта является разработка библиотеки алгоритмов машинного обучения для платформы распределенных вычислений Apache Spark, которая будет конкурировать с индустриальными решениями для анализа данных, такими как Spark ML/MLLib, Intel oneDAL и т. д. В настоящее время наше решение поддерживает множество классических ML-алгоритмов (например, линейная регрессия, SVM, kNN, случайный лес, методы понижения размерности, градиентный бустинг), и мы планируем расширить его с помощью других типов алгоритмов.
Команда проводит исследования, разработку, проверку идей, внедрение и оптимизацию производительности новых методов и алгоритмов машинного обучения. Мы также сотрудничаем с академическими партнерами, когда требуются глубокие теоретические исследования. Команда состоит из разработчиков алгоритмов, математиков и инженеров-программистов с математическим образованием; большинство членов команды имеют учёную степень.

Тестирование программного обеспечения и автоматизация фаззинга в различных облачных приложениях. Разработка и применение инструментов фаззинга. Модель надежности Linux и внутренние особенности, языки программирования C/C++.

Математика (статистика, теория, математическое моделирование). Основной предмет сжатия это типичные бизнес данные. Например, данные различных типов баз данных, виртуальные серверные и десктопные инфраструктуры. Также возможно сжатие определенных типов данных: данные генома, спутниковые снимки, данные 5G-логов и т.д.

Методы анализа программ в разработке продуктов. Используемые технологии: OOD, OOP, шаблоны проектирования, TDD, C и C++, Python, Windows, Linux, FreeBSD, Mac OS,
GCC toolchain, LLVM toolchain, CMake, git, Jenkins, Jira и т.д.

Рекомпрессия видео с сохранением качества изображения для мобильной платформы. C/C++, Python, Java и т.д. Кодеками H.265, H.264, JPEG. Алгоритмы сжатия видео и изображений.

Проектирование и разработка имитационного фреймворка и применение исследованных алгоритмов прогнозирования нагрузок, управление данными. Агоритмы и структуры данных, решение алгоритмических задач.

Java/Python/Golang и иные. Системы хранения данных, технологии виртуализации, сетевого и сложного программного обеспечения, VMWare.

Программирование на Java/Python/Golang. Обработка больших данных, сбор, обработка, хранение, анализ и иные процессы, все основные технологии анализа больших данных.

Проектирование и разработка решений для системы хранения NAS. Планирование и компоновка ключевых технологий для NAS и сервисов неструктурированных данных в сценариях высокопроизводительных вычислений, HPDA, искусственного интеллекта, больших данных , а также повышение долгосрочной конкурентоспособности продуктов. Языки: Python, Perl и или Ruby.

Защита данных (резервное копирование и архивирование) и использовании данных копирования для основных экосистем рабочей нагрузки, таких как базы данных, включая NOSQL (MongoDB, KVDB, GraphDB и т.д.) и распределенные БД, NAS, файлы, виртуализация (контейнер), большие данные и другие сценарии вторичного хранения.

Облачный гейминг - возможность играть используя мощности удаленных серверов. Изображение игры будет сжато, а затем передано на экран юзера по сети. Устройство геймера не требует высококлассных процессоров или видеокарт. Мы стараемся обеспечить высокое качество изображения игры, низкую задержку, отсутствие установки и ожидания. Для разработки этой технологии нам необходимо найти лучшее решение для кодирования аудио и видео, оптимизации сетевой передачи и виртуализации GPU. Еще одним направлением нашего проекта является исследовательская работа по Metaverse. Мы хотим построить свою собственную метавселенную с дополненной и виртуальной реальностью.

Поддержка и развитие фреймворка формальной верификации кода ОС с использованием функционального языка OCaml и инструмента доказательств Coq.

Исследования и разработка компонентов облачной инфраструктуры, таких как OpenStack, Kubernetes и других проектов из стеков CNCF и OpenInfra. Разработка новых технологических прорывов для 5G облаков, а также работы в области улучшения существующих систем на базе решений с открытым исходным кодом (с упором на высокую производительность и сверхвысокую масштабируемость). Активное участие в соответствующих opensource сообществах.

Исследование, разработка и оптимизация механизмов распределенной обработки данных для продуктов Huawei и платформы больших данных следующего поколения внедряя инновационную архитектуру и технологий в распределенной обработке данных и алгоритмы с высокой производительностью, масштабируемостью и локальностью вычислений.

Реализация нового программного обеспечения для сетевого стека, разработка новых алгоритмов.

Мы проводим исследования в области современного машинного обучения применительно к задачам компьютерного зрения, обработки видео и управления беспилотными автомобилями, а также создаем оптимизированные нейросетевые алгоритмы для платформы Huawei Ascend. Кроме того, в наших интересах решение отраслевых задач, таких как обнаружение аномалий.
Основные обязанности:
• Анализировать отраслевые / научные тенденции и определить конкурентоспособность рынка технологий видеонаблюдения и рыночных предложений Huawei
• Стать ведущим исследователем в команде R&D, определить план исследовательских целей, устранить разрыв между научно-исследовательскими достижениями и промышленными продуктами
• Нести ответственность за исследовательские проекты в рамках портфеля Video Intelligence, завершая разработку основных технологий в области Video Intelligence
• Налаживать сотрудничество с европейскими университетами, исследовательскими институтами и промышленными партнерами
• Представлять Huawei в более широкой отрасли, посещая и участвуя в международных встречах и конференциях
Требования:
Сильная исследовательская база и относительный промышленный опыт
• Иметь опыт в области технологий извлечения видеоданных и аналитики. Предпочтительно обнаружение и отслеживание объектов, классификация, аутентификация данных, обнаружение аномальных сигналов, мультимодальное объединение
• Опыт работы в любом модуле стека SDV предпочтителен (восприятие, прогнозирование, планирование).
• Быть знакомым с архитектурой глубокого обучения и фреймворками с открытым исходным кодом. Доменная адаптция, трансферное обучение, нулевое, однократное или многократное обучение, сжатие сети
• Опыт работы в быстрой и эффективной наиболее приближенной соседней системе с аппаратным ускорением для проекта поиска данных.
• Опыт использования методов ускорения нейронных сетей как для обучения (например, улучшенные алгоритмы оптимизации), так и для вывода (например, отсечение, тензорное разложение) на оборудовании
• Наличие степени магистра или высшая степень в области компьютерного зрения, обработки изображений, глубокого обучения / машинного обучения или значительный опыт работы в соответствующей отрасли
• Хорошее математическое образование в области теории вероятностей, линейной алгебры, статистики и соответствующих математических областей
• Хорошее знание Python и математических библиотек. Знание языка C++ является большим плюсом
• Предпочтение отдается кандидату наук по соответствующей дисциплине
• Желательно иметь более 3 лет опыта работы в отрасли (в одной или нескольких областях) в области компьютерного зрения, машинного обучения / глубокого обучения и науки о данных, а также, опыт применения академических исследований в промышленных приложениях
• Желательно иметь более 3 лет опыта в области анализа и обработки видеоданных

Группа проводит исследования и разработку по передовым технологиям в программном обеспечении и алгоритмах для вычислений графов, включая графовые вычисления и фреймворки обучения, оптимизацию и ускорение системы обработки графов, алгоритмы обучения представлений графов (например, встраивание графа и графовые нейронные сети).

Группа проводит исследования и разработку по передовым вычислительным алгоритмам/материалам, включая дизайн подражательных алгоритмов мозга, нейроморфные вычислительные элементы, импульсные нейронные сети, их обучение и оптимальную топологию, распределенные интеллектуальные агенты, алгоритмы представления знаний и обучения, оптимизацию и ускорение алгоритмов, мультимодальное обучение.

Команда исследует и разрабатывает базовые теории коммуникаций, поддерживая разработку будущих продуктов передовыми теориями, решает проблемы, вызывающие озабоченность академических кругов, занимается поиском возможных решений и исследует возможные сферы для технологических инноваций.
Наши исследования не ограничиваются коммуникационными продуктами, но могут сосредоточиться на широком спектре академических вопросов, таких как искусственный интеллект, компьютерные технологии, квантовая информационная теория и полупроводниковые технологии.

Группа разрабатывает системы машинного обучения и инструменты для различных мобильных и edge устройств.Главный проект - кросс-платформенная библиотека для обучения нейронных сетей на устройстве, которую мы разрабатываем с 2019 года. Здесь много инженерных, а также исследовательских задач.

Группа проводит исследования и разработку в области машинного обучения с уделением особого внимания глубокому обучению, компьютерному зрению, восстановлению и оптимизации изображений и видео. Как участник команды вы будете работать над самыми сложными и амбициозными техническими проблемами в компьютерной графике, разрабатывать новые решения глубокого обучения для обработки изображений и видео.

Группа проводит исследования и разработку в области машинного обучения с уделением особого внимания глубокому обучению, синтезу голоса и распознаванию речи, пониманию естественного языка. Как участник команды вы будете работать над самыми сложными и амбициозными техническими проблемами в обработке естественного языка, алгоритмах поиска и ранжирования, синтезе голоса, анализе акустических элементов.

Анализ данных о работе ЦП с целью выявления закономерностей, кластеризация приложений по их метрикам, разработка средств исследования пространств проектирования.

Разработка ПО для оптимизации работы ЦП (компиляторы, бинарные трансляторы), функциональных и потактовых моделей ЦП, средств DBI.

Разработчик алгоритмов обработки изображений
Задачи
- Разработка алгоритмов обработки изображений (например, увеличения разрешения и четкости)
- Подготовка и обработка данных
- Подготовка презентаций и документации
- Подготовка патентов и публикаций
- Командная работа, помощь менее опытным коллегам
- Для более опытных - руководство проектами

Разработка компилятора и среды выполнения языка программирования Golang. Активное участие в open-source сообществе языка (golang.org).

Разработчик алгоритмов дополненной реальности.
Задачи
- Разработка алгоритмов обработки изображений
- Подготовка и обработка данных (сбор реальных данных, 3D-рендеринг)
- Подготовка презентаций и документации
- Подготовка патентов и публикаций
- Командная работа, помощь менее опытным коллегам
- Для более опытных - руководство проектами

Ответственность за data-driven оптимизацию производительности оборудования в Huawei Cloud.

Ответственность за data-mining информации о производительности оборудования в Cloud, поиск узких мест в системе, создание рейтинга значимости метрик на основе анализа данных.

Ответственность за разработку компонентов и кода для ядра Linux / разработку программного обеспечения. Хорошее понимание блока счетчиков рабочих характеристик системы.

Отвечает за интеллектуальный анализ данных производительности облачного оборудования, поиск узких мест в системе, создание рейтинга важности показателей на основе анализа данных.

"Быть ответственным за статический анализ, UNIT-тестирование, динамический анализ кода, интеллектуальный анализ диагностики, иссправление ошибок и другие услуги анализа кода (например, поиск по коду, синхронизация кода, автообновление библиотеки).
R&D в области дизайна, архитектуры приложений, создание приложений для технологического прорыва. Построение утилит для работы с Big Data."

Работа над инструментами с мировой известностью для поддержки роста облачных и вычислительных бизнеса Huawei. Исследование и изучение новейшей мировой технологии ИИ для совершенствования моделей. В нашей работе мы используем знания в области анализа кодов, оптимизации, компиляторов и технологий машинного обучения.

Исследование и оптимизация алгоритмов для работы с медиа в службах Huawei Cloud; проектирование, обучение и оптимизация алгоритмов и моделей для видеокодека, сжатия без визуальных потерь и оценки качества видео; интеграция алгоритмов / моделей в продукты облачных услуг.

Возможность самостоятельно решать проблемы проектирования и разработки функций движка для распределенных вычислений в области больших данных. Возможность находить наиболее эффективные способы оптимизации распределенных вычислений, хранения данных и связи между компьютерами. Возможность руководить бизнес-подразделением команды и отвечать за планирование и формирование потребностей. Преимущество отдается кандидатам наук, аспирантам и студентам, которые планируют защищать диссертацию в этом году.

Планирование и разработка высокоэффективных алгоритмов и систем ИИ, а также совместная аппаратная и программная оптимизация алгоритмов ИИ (по крайней мере, в одной из областей ИИ), включая машинное обучение, deep learning, reinforcement learning, компьютерное зрение, natural language processing, оптимизация, рекомендации / поиск, и многое другое. Глубокая оптимизация алгоритмов искусственного интеллекта с применением в сферах умного города, транспорта, медицины, Интернета, производства, астрономии и т.д. Преимущество отдается кандидатам наук, аспирантам и студентам, которые планируют защищать кандидатскую диссертацию в этом году.

Исследование и разработка в области комбинаторной оптимизации для крупномасштабных облачных систем (VM, задания и хранение). Работа по нескольким направлениям: прогнозирование использования ресурсов, прогнозирование SLA, планирование емкости. Проверка ваших идей в реальной среде и через моделирование. Будучи исследователем, у вас есть возможность работать над слабо определенными проблемами. Публикация академических документов и патентов (опционально).

Исследование, разработка и оптимизация алгоритмов сжатия данных и проведение передовых исследований в области сжатия данных.

Ответственный за создание высокопроизводительной распределенной базы данных.Оптимизация системы баз данных путем исследования новых технологий в области ядра баз данных. Нам нужен кандидат со способностью проектировать алогоритмы и опытом в структурировании данных.

Разработка решения математической оптимизации Solver высокого уровня.

Максимизировать охват тестовых случаев автоматического генерирования программного обеспечения.

В LSM данные периодически передаются в различные SST-файлы с помощью операций сжатия. Во время чтения данных каждый файл SST предоставляет BloomFilter для проверки того, существует ли ключ в файле. Известно, что когда BloomFilter возвращает false, 100% гарантировано, что текущий ключ не находится в файле SST. Однако, когда BloomFilter возвращает true, это означает, что ключ может быть или не существует в файле SST. В этом случае ключ ложно-положительный. Производительность запроса базы данных хранения KV на базе LSM в значительной степени зависит от скорости ложно-положительного коэффициента. Цель - разработать алгоритм, который может снизить коэффициент ложно-положительного коэффициента BloomFilter Ожидания снижаются более чем на 10%, чем больше, тем лучше.

"Миллиарды пользователей теперь имеют данные, написанные с компрессорами Facebook Zstandard (ZSTD) или Apple LZFSE , которые используют tANS (табличные асимметрические цифровые системы) энтропийский кодер - строительство конечного автомата, оптимизированного для данного распределения вероятностей, который преобразует последовательность символов в битную последовательность.
Детали этого автомата определяются распределением символов (комбинацией): назначение одного символа каждому состоянию. Существует экспоненциальное количество таких возможностей, получение различных характеристик как среднее количество используемых битов / символов
– есть базовая практическая проблема быстрого поиска почти оптимального распространения символов."

Что касается систем управления базами данных, то был проделан значительный объем работы по изучению параллельной обработки операций баз данных. Специальные машины баз данных разработаны для получения повышения производительности системы посредством параллельности как между запросами, так и внутризапросов. Однако большинство существующих оптимизаторов запросов реляционной базы данных учитывают только планы, в которых порядок выполнения моделируется линейным деревом обработки. Запрос соединения с M-путями визуализируется как последовательность двухсторонних соединений формы. Эта стратегия кажется адекватной в однопроцессорных системах. Однако в многопроцессорной среде количество осуществимых планов соединения резко увеличивается с новыми измерениями, введенными параллельностью, и параллельной обработки, как правило, придает более высокую производительность системы. В этой теме мы ожидаем, что многостороннее соединение должно быть значительно лучше (не менее чем 20%), чем парное соединение таблиц для данной базы данных примера.

В Центре данных облака виртуальные машины развернуты на физической машине, физическая машина использует PMU (модуль мониторинга производительности) для мониторинга состояния рабочей нагрузки. Различная рабочая нагрузка будет иметь разный статус PMU, нуждается в быстром / точном алгоритме, чтобы определить, какой / какой набор PMU влияет на производительность ВМ и провести количественную оценку.

Разработка и оптимизация математической библиотеки, состоящей из базовых функций линейной алгебры таких как матрично-векторные умножения и решение систем уравнений, под процессор Huawei Kunpeng (ARMv8) для достижения максимально возможной производительности вычислений. Оптимизация алгоритмов для высокопроизводительных вычислений и алгоритмов искусственного интеллекта. Необходимость комбинировать программные реализации и математические алгоритмы предполагает высокую квалификацию на уровне аспирантуры и выше.

Техническое обслуживание и рефакторинг существующей проприетарной кодовой базы компилятора; Разработка вспомогательных модулей компилятора; Отладка бейзлайн компилятора; Улучшение покрытия тестов компилятора; Измерение и анализ производительности компилятора.

Оптимизация усилителей мощности совместно с алгоритмом цифрового предыскажения сигнала по критериям линейности и эффективности. Разработка и моделирование усилителей мощности с высоким КПД, включая гибридные усилители, такие как Envelope Tracking (ET) и Digital Doherty. Моделирование и оптимизация транзисторных гетероструктур (HEMT), используемых в усилителях мощности.

Исследования и разработка в области автоматической компрессии нейросетей, оптимизируемых для целевой платформы

Команда математического моделирования и оптимизации минского исследовательского центра Хуавэй занимается фундаментальными и прикладными исследованиями в областях математического программирования, теории расписаний, комбинаторной оптимизации, крупномасштабной оптимизации, метаэвристических методов оптимизации для программного средства решения задач линейного и целочисленного линейного программирования, а также задач программирования в ограничениях.

Оптимизация 3D-стека операционной системы Android и разработка нового функционала для улучшения производительности и энергопотребления в играх

Наша команда занимается AI-исследованиями в области IoT & Cloud технологий. Задачи включают в себя детектирование аномалий во взаимодействии IoT-устройств и облачных сервисов, классификацию и кластеризацию поведенческих аспектов, детектирование и фильтрацию нежелательного контента и активностей.

Разработка быстрых и эффективных алгоритмов численного решения уравнений в частных производных (уравнения Максвелла) на геометрически сложных областях - антенных решетках базовых станций сотовой связи поколения 5G. Направления исследований: реализация метода интегральных уравнений (ИУ) и метода конечных элементов (МКЭ), построение расчетных сеток, малоранговые матричные аппроксимации, прямые и иттерационные методы решения систем линейных алгебраических уравнений

Изучение ключевых LiDAR технологий, разработка инновационных системных решений и повышение будущей конкурентоспособности продуктов. Разработка и развитие LiDAR алгоритмов , создание конкурентноспособной архитектуры. Алгоритмическое моделирование для LiDAR системы, теоретического анализа ее работы, разработки рекомендаций для технических характеристик оборудования.

1. Исследование и разработка новейших моделей глубокого обучения.
2. Оптимизация структуры и исполнения нейронных сетей.
3. Разработка продуктов для мобильном телефоне.

Исследования в области новейших технологий ускорения вычислений. Разработка архитектуры и реализации фреймворков машинного обучения, алгоритмов и операторов на типах данных пониженной точности, и оптимизация их производительности. Активное взаимодействие со смежными командами, включая разработчиков аппаратного обеспечения.

Разработка архитектуры и реализации математических библиотек, оптимизация их производительности на аппаратном обеспечении HiSilicon. Взаимодействие со смежными командами для обеспечения максимального быстродействия продукта.

Создание кросс платформенного SDK графических интерфейсов для разработчиков приложений. Целевые устройства могут быть различными - автомобили, телевизоры, мобильные устройства.

Инструменты и методы помогающие программистам повышать качество создаваемых продуктов, в том числе continuous integration, статический анализ, анализ во время выполнения, автоматизированное тестирование, управление артефактами, и автоматизация деплоймента.

Исследования, разработка и оптимизация инструментов, фреймворков и окружений исполнения расширяющих возможности перспективного поколения продуктов компании Хуавей привнося инновационные технологии в области Системного ПО и учавствуя в проектах OpenSource ПО.

Разработка инновационных алгоритмов для систем беспроводной связи следующего поколения (базовые станции 5G), микроволновой (обратная связь 5G) и оптической (дальняя связь 400G) сети. Участие в разработке системной архитектуры радио и оптических передатчиков и приемников, оценка осуществимости, анализ рисков и трудностей.Разработка инновационных алгоритмов для систем беспроводной связи следующего поколения (базовые станции 5G), микроволновой (обратная связь 5G) и оптическая (дальняя связь 400G). Участие в разработке системной архитектуры радио и оптических передатчиков и приемников, оценка осуществимости, анализ рисков и трудностей.

Фокус на современные методы обработки сигналов в цифровой области, исправление несовершенства аналоговых устройств (усилители мощности, повышающие / понижающие преобразователи, локальные генераторы, пассивные интермодуляции, модуляторы Маха-Цендера, лазеры и фотодиоды).

Исследование и моделирование алгоритмов цифровой обработки сигналов, таких как адаптивная фильтрация, нелинейные предистотеры и эквалайзеры, коррекция I / Q, уменьшение PAPR, компенсация фазового шума и т. д.

Корневые алгоритмы и компоненты операционных систем, разработка компиляторов (C/C++/Java/Kotlin/новый язык(!)), вирутальных машин, JIT-оптимизаций, продвинутых профилировщиков и отладчиков, технологий оптимизации на стыке аппаратуры и софта, систем верификации.

Проектирование и разработка новых операционных систем и соответствующих средств разработки и анализа приложений для мульти-форматных устройств в распределенном окружении (телефоны, планшеты, часы, телевизоры, авто, интерактивные панели, роботы и т.п.)

Игровые движки, алгоритмы 3D-графики / обработки изображений и видео в реальном времени, в том числе - AR/VR/трассировка лучей, поддержка OpenGL ES и Vulkan API и расширений, шейдерные языки, рализация различных кодеков, супер-разрешения и улучшений видео, методы совместной оптимизации ПО и CPU/GPU/NPU, семантического анализа видео и изображений - достаточно быть экпертом по одной из этих тем

Исследование и создание следующего поколения энергоэффективных алгоритмов 3D-графики и соответствующих инструментов разработки, поддержка новейших аппаратных функций для обеспечения Desktop-уровня 3D-графики в мобильных играх

Разработка оптимизаций на уровне всей программы и с использованием профиля исполнения для мобильных операционных систем и приложений

Бенчмарки языков, GC и RC для мобильных приложений

Авто-завершение кода для IDE на основе машинного обучения

Разработка fuzzing на основе машинного обучения и open-source инструмента libFuzzer (часть LLVM) для поиска ошибок и улучшения покрытия кода при тестировании.

Автоматическое исправление программ на основе машинного обучения

Исследования в области устранения избыточности данных. Разработка новых алгоритмов дедупликации и сжатия данных без потерь или улучшение существующих алгоритмов для достижения более высокого коэффициента сжатия данных. Исследование методов дедупликации блоков данных переменной длины для использования в системах хранения. Улучшение методов сжатия LZ класса и энтропийного кодирования (кодирование Хаффмана, FSE, арифметическое кодирование, PPM). Исследование возможностей использования искусственного интеллекта для сжатия данных без потерь. Оптимизация новых или существующих алгоритмов для аппаратной платформы ARM.

Cоздание системы генерации речи на многих языках (одна многоязычная модель), сжатие моделей нейросетей, оптимизация и ускорение моделей нейросетей.

Улучшение производительности ОС/ядра, исследования и разработка функциональности для повышения удовлетворенности пользователя; окружение, интерфейсы, библиотеки и инструменты для грядущего поколения мобильных приложений

Разработка точных и стабильных алгоритмов автоматического баланса белого и цветовой коррекции с применением как методов машинного обучения, так и детерминированных моделей. Математический анализ процесса формирования и обработки цвета.

Разработка следующего поколения движка дополненной реальности Huwei AREngine. Разработка пространственных сенсоров и алгоритмов для взаимодействия в дополненной и виртуальной реальности.
Разработка систем взаимодействия в виртуальной реальности, создание фотореалистичных аватаров с применением систем искусственного интеллекта.

Разработка алгоритмов цифровой обработки сигналов для базовых станций сотовой связи с целью подавления нелинейных искажений, возникающих при передаче и усилении сигнала.
Направления исследований: цифровая обработка сигналов, глубокие нейронные сети: структурный синтез и поиск архитектур, машинное обучение и численные методы оптимизации (методы градиентного спуска, стохастического градиентного спуска, сопряженных градиентов, BFGS)

Проект по оптимизации алгоритмов для 5G систем связи (базовые станции, терминальные устройства), разработке новых подходов к системам связи (6G), решению для систем беспроводной связи с элементами само-обучения. К работе над проектом рассматриваются студенты 4 курса бакалавриата и выше.

Разработка нового поколения технологий кодирования видео на основе CNN; проектирование структуры нейросетей и оптимизация их производительности на основе критериев сжатия видео; продвижение разработанных технологий в международных организациях по стандартизации

Динамический двоичный транслятор позволяет запускать приложения разработанные для одной архитектуры на процессорах с другой архитектурой. Область разработки и исследования включает, но не ограничивается: JIT, оптимизация кода, виртуализация.