Описание
MWDN — глобальная IT-аутстаффинг компания с 23+ летним опытом, которая соединяет выдающиеся технические таланты с ведущими компаниями в Израиле, США, Великобритании и Западной Европе. Мы предлагаем возможности работать над международными продуктами в стабильной и профессиональной среде. Мы ищем высокотехничного инженера или исследователя с глубокой экспертизой в GPU computing, CUDA и оптимизации LLM inference, чтобы работать над сложными задачами на стыке AI-систем и высокопроизводительных вычислений.
Задачи
•Исследовать и оптимизировать производительность LLM inference на современных GPU
•Работать с фреймворками inference и serving, такими как vLLM, SGLang, TensorRT-LLM или аналогичными системами
•Анализировать выполнение на GPU, паттерны доступа к памяти, производительность ядер и узкие места inference
•Разрабатывать, оптимизировать, отлаживать или реверс-инжинирить CUDA-ядра и низкоуровневые GPU-операции
•Исследовать техники оптимизации для матричного умножения, механизмов внимания (attention) и слоёв нейронных сетей
•Проводить бенчмаркинг производительности и находить возможности для улучшения задержки, пропускной способности и утилизации GPU
•Работать над технически сложными задачами, требующими сильного аналитического мышления и практического экспериментирования
Требования
•Сильный практический опыт работы с CUDA и GPU-программированием
•Глубокое понимание архитектуры GPU, иерархии памяти, параллельного выполнения и оптимизации производительности
•Опыт работы с LLM inference, AI-системами, GPU-ядрами или высокопроизводительными вычислениями
•Знакомство с одним или несколькими фреймворками, такими как vLLM, SGLang, TensorRT-LLM, Triton или FlashAttention
•Опыт отладки сложных проблем производительности и исследования низкоуровневого поведения систем
•Сильные навыки решения проблем и способность объяснять сложные технические концепции на английском языке
Будет плюсом
•PhD или исследовательский опыт в Computer Science, Machine Learning, Computer Architecture или смежной области
•Публикации, исследовательские проекты или значимый вклад в open-source GPU/LLM инфраструктуру
•Опыт работы с внутренним устройством PyTorch, распределённым inference, квантизацией, оптимизацией KV cache или кастомными GPU-ядрами
•Вклад в проекты, такие как vLLM, SGLang, Triton, FlashAttention или связанные репозитории
Условия
•Безопасность: мы тщательно проверяем наших клиентов, чтобы минимизировать риски и обеспечить надёжность и своевременные выплаты - без мошенничества и неприятных сюрпризов
•Карьерная поддержка: если проект не подходит, мы поможем найти новые возможности, соответствующие вашим навыкам и карьерным целям
•Юридическое сопровождение: консультации по юридическим вопросам, включая открытие и управление статусом независимого подрядчика или индивидуального предпринимателя, налоги и связанные процессы
•Профессиональное развитие: курсы английского языка и возможности профессионального роста, а также тимбилдинг-мероприятия
•Управление, ориентированное на людей, с минимальной бюрократией
•Дружелюбная корпоративная культура, подтверждённая сотрудниками, которые возвращаются
•Гибкий график работы
•29 дней PTO (18 рабочих дней в год плюс все национальные праздники)
•10 оплачиваемых дней восстановления
•Полная финансовая и юридическая поддержка для независимых подрядчиков
•Бесплатные занятия английским с носителями языка или украинскими преподавателями
•Выделенная HR-поддержка
