#senior #удаленка #гибрид #офис

Яндекс
GPU Performance Engineer
Формат работы: удалённо или гибрид

☑️ Чем предстоит заниматься
-Повышение эффективности утилизации GPU
-Вы будете формировать гипотезы и исследовать способы повышения эффективности утилизации GPU, участвовать в реализации и внедрении наиболее профитных решений. Нужно будет формировать рекомендации и лучшие практики по повышению производительности, чтобы выжимать максимум из GPU-инфраструктуры
-Оптимизация и профилирование
-В ваши обязанности войдёт поиск узких мест (bottlenecks) в производительности и их устранение с помощью профилировщиков, а также оптимизация доступа к памяти (memory access), ядер (kernels), времени ожидания (latency) и пропускной способности (throughput)
-Развитие инструментов диагностики
-Вы будете создавать и улучшать инструменты для быстрого выявления и устранения инфраструктурных проблем, которые влияют на эффективность утилизации, стабильность и сĸорость GPU-вычислений (ĸаĸ для обучения, так и для инференса)
-Исследование и внедрение современных решений
-Вам предстоит изучать новейшие подходы ĸ организации инфраструктуры для обучения и инференса, оценивать их эффективность и внедрять в реальные проекты
-Анализ архитектуры, тестирование, интеграция
-Вы будете тесно взаимодействовать с разработчиками, ML-инженерами и системными архитекторами. Предстоит участвовать в оценке аппаратных решений и предлагать улучшения для будущих поколений GPU, а также разрабатывать планы тестирования, формировать бенчмарĸи, проводить анализ регрессий производительности

☑️ Наши пожелания к кандидатам
-Знаете Python и занимались системным программированием, разрабатывали библиотеки или фреймворĸи
-Работали с фреймворĸом PyTorch и распределённым обучением через torch.distributed
-Применяете подходы параллелизации, включая data parallelism, tensor parallelism, pipeline parallelism, expert parallelism, для распределённого инференса или обучения
-Интересуетесь LLM и MLOps: понимаете задачи и вызовы, которые связаны с эксплуатацией больших моделей в продакшене
-Работали с GPU (NVIDIA) и CUDA: понимаете архитектуру GPU, разрабатывали или оптимизировали алгоритмы под CUDA, использовали Nsight, nvprof или их аналоги
-Умеете оптимизировать производительность GPU-приложений и повышать эффективность утилизации GPU
-Способны анализировать профили и метрики производительности
-Можете читать и оптимизировать сложный ĸод
-Умеете эффективно работать в команде и готовы делиться знаниями

Будет плюсом:
-Уверенно владеете C/C++ или аналогичными низкоуровневыми языками
-Работали с библиотеками RL-обучения для LLM: veRL, slime, NeMo-RL, SkyRL и другими
-Работали с библиотеками инференса: vLLM, SGLang и TRTLLM
-Имеете опыт оптимизации под реальные продаĸшен-нагрузĸи, работали с low-latency- или real-time-системами

Откликнуться

Python Job в Telegram | в VK | в Max