Direkt zum Hauptinhalt

Forschung bei Databricks

Wo Forschung auf die Wirklichkeit trifft

Join our team

Sie sind in guter Gesellschaft

Ob Apache Spark, Lakehouse oder Mosaic MPT-7B: Solche Systeme wurden von Engineers jenes besonderen Typs entwickelt, auf den man bei Databricks regelmäßig stößt.

Unsere Firmengründer und Mitarbeiter können beim Erzielen von Durchbrüchen in den Bereichen verteilte Systeme, KI und Data Analytics auf zahlreiche Erfolge verweisen.

Jetzt sind wir auf der Suche nach Doktoranden wie Ihnen – Absolventen, die etwas bewegen wollen. Wenn Sie sich für neue Entdeckungen begeistern, mit dem Begriff „datengesteuert“ etwas anfangen können und eine prinzipientreue Arbeitsweise verfolgen, dann könnte Databricks Ihr künftiger Arbeitgeber sein.

ZUR ANMELDUNG

Veröffentlichungen

Lesen Sie aktuelle Artikel, die in Zusammenarbeit mit der UC Berkeley, der Universität Stanford und weiteren führenden Hochschulen entstanden sind

1 - 12 der 46-Ergebnisse werden angezeigt

Anwendungen

ADAM: Genomik-Formate und Verarbeitungsmuster für Cloud Scale Computing

Matt Massie, Frank Nothaft, Christopher Hartl, Christos Kozanitis, André Schumacher, Anthony D. Joseph, David A. Patterson

Holen Sie sich das PDF
Verteilte Systeme

Apache Spark: Eine einheitliche Engine für die Verarbeitung Big Data

Matei Zaharia, Reynold Xin, Patrick Wendell, Tathagata Das, Michael Armbrust, Ankur Dave, Xiangrui Meng, Josh Rosen, Shivaram Venkataraman, Michael J. Franklin, Ali Ghodsi, Joseph Gonzalez, Scott Shenker, Ion Stoica

Holen Sie sich das PDF
Verteilte Systeme

ASAP: Schnelles, ungefähres Graph -Mining im Scale

Anand Padmanabha Iyer, Zaoxing Liu, Xin Jin,, Shivaram Venkataraman, Vladimir Braverman, Ion Stoica

Holen Sie sich das PDF
KI und ML

Beschleunigen Sie den Lebenszyklus des maschinellen Lernens mit MLflow

Matei Zaharia, Andrew Chen, Aaron Davidson, Ali Ghodsi, Sue , Andrew Chen, Aaron Davidson, Ali Ghodsi, Sue Ann Hong, Andy Konwinski, Siddharth Murching, Tomas Nykodym, Paul Ogilvie, Mani Parkhe, Fen Xie, Corey Zumar, Databricks Inc.

Holen Sie sich das PDF
Anwendungen

C3: Internet-Scale Control Plane zur Videoqualitätsoptimierung

Aditya Ganjam, Junchen Jiang, Xi Liu, Vyas Sekar, Faisal Siddiqui, Ion Stoica, Jibin Zhan, Hui Zhang

Holen Sie sich das PDF
Anwendungen

CellIQ: Real-Time Cellular Network Analytics, auch Analysen at Scale

Anand Padmanabha Iyer, Li Erran Li, Ion Stoica

Holen Sie sich das PDF
Verteilte Systeme

Chord: Ein skalierbarer Peer-to-Peer-Suchdienst für Internetanwendungen

D. Karger, H. Balakrishnan, I. Stoica, M.F. Kaashoek, R. Morris

Holen Sie sich das PDF
KI und ML

Clipper: Ein Online-Vorhersagebereitstellungssystem mit geringer Latenz

Daniel Crankshaw, Xin Wang, Giulio Zhou, Michael J. Franklin, Joseph E. Gonzalez, Ion Stoica

Holen Sie sich das PDF
KI und ML

Compute-Efficient Deep Learning: Algorithmic Trends and Opportunities

Brian R. Bartoldson, Bhavya Kailkhura, Davis Blalock

Get the PDF
Anwendungen

Datenintensive Wissenschaft mit skalierbaren Analysesystemen neu denken

Frank Austin Nothaft, Matt Massie, Timothy Danford, Zhao Zhang, Uri Laserson, Carl Yeksigian, Jey Kottalam, Arun Ahuja, Jeff Hammerbacher, Michael Linderman, Michael J. Franklin, Anthony D. Joseph, David A. Patterson

Holen Sie sich das PDF
KI und ML

DAWNBench: Ein End-to-End-Deep-Learning-Benchmark und -Wettbewerb

Cody Coleman, Deepak Narayanan, Daniel Kang, Tian Zhao, Jian Zhang, Luigi Nardi, Peter Bailis, Kunle Olukotun, Chris Ré, Matei Zaharia

Holen Sie sich das PDF
Datenbanken

Delta Lake: Performance ACID-Tabellenspeicher über Cloud-Objektspeicher

Michael Armbrust, Tathagata Das, Liwen Sun, Burak Yavuz, Shixiong Zhu, Mukul Murthy, Joseph Torres, Herman van Hovell, Adrian Ionescu, Alicja Łuszczak, Michał ́Switakowski, Michał Szafránsk, Xiao Li, Takuya Ueshin, Mostafa Mokhtar, Peter Boncz, Ali Ghodsi, Sameer Paranjpye, Pieter Senster, Reynold Xin, Matei Zaharia

Holen Sie sich das PDF

1 - 12 der 46-Ergebnisse werden angezeigt

Build your career

Karriere machen – nicht nur in der akademischen Welt

Wir suchen Doktoranden mit Kenntnissen im Aufbau skalierbarer, zuverlässiger und leistungsfähiger Systeme.

Databricks bewirkt eine radikale Vereinfachung des gesamten Datenlebenszyklus auf unserer offenen Lakehouse-Plattform, auf der Daten, Analytics und KI zusammengeführt werden. Bei uns können Sie zu bahnbrechenden Fortschritten in allen Bereichen von der Datenerfassung über maschinelles Lernen bis hin zur generativen KI beitragen und arbeiten an den vorherrschenden Datenanalyseprojekten im Open-Source-Bereich mit. Wenn Sie sich für solche Tätigkeiten begeistern können, gehören Sie vielleicht schon bald einem unserer spezialisierten Engineering-Teams an.

Explore Databricks teams

Caching Team

Build the next-generation sharding, load balancing and caching solutions for Databricks to enable low latency, efficiency and scalability in our systems.

Photon Team

Build Databricks’ high-performance native (C++), vectorized SQL execution engine, which powers petabytes of query processing at Databricks per day.

Query Optimization Team

Build systems that optimize diverse workloads. Innovate with all variety of techniques — from traditional to ML — to outperform specialized data warehouses.

Lakestore Team

Build best-in-class storage systems with the usability and performance of data warehouses, and the flexibility and scalability of data lakes for all data workloads.

Explore MosaicML teams

Research Science

Drive ambitious research projects that:

  • Push the limits of existing technology 
  • Explore new approaches that go beyond the state of the art

Survey publications and develop methods for efficient neural network training.

Engineering

Design and implement our ML infrastructure and generative AI platform. Establish development best practices. Help develop infrastructure and platforms that analyze ML training jobs, predict performance and cost, and run them across various hardware.

Team

Lernen Sie einige aktuelle Databricks-Mitarbeiter kennen, die bei unseren jüngsten Veröffentlichungen federführend waren

Das Leben als Software Engineer nach dem Stanford-Abschluss in Computer Systems

Hören Sie Shoumik Palkars Gedanken zur Kreativität am Arbeitsplatz, zur Einschätzung des persönlichen Erfolgs und zum Peer- und Mentoring-Netzwerk bei Databricks.

Artikel lesen