Описание
MWDN — глобальная IT-аутстаффинговая компания с опытом более 23 лет, которая соединяет исключительные 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 высокотехнического инженера или исследователя с глубокой экспертизой в GPU computing, CUDA и оптимизации LLM inference для работы 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 kernel и bottleneck-и inference
•Разрабатывать, оптимизировать, дебажить или реверс-инжинирить CUDA-кернелы и низкоуровневые операции GPU
•Исследовать техники оптимизации для матричного умножения, механизмов attention и слоёв нейронных сетей
•Проводить бенчмаркинг производительности и находить возможности улучшить latency, throughput и утилизацию GPU
•Работать над технически сложными задачами, требующими сильного аналитического мышления и практического экспериментирования
Требования
•Сильный практический опыт с CUDA и программированием GPU
•Глубокое понимание архитектуры GPU, иерархии памяти, параллельного выполнения и оптимизации производительности
•Опыт с LLM inference, AI-системами, GPU-кернелами или высокопроизводительными вычислениями
•Знание одного или нескольких фреймворков, таких как vLLM, SGLang, TensorRT-LLM, Triton или FlashAttention
•Опыт дебага сложных проблем производительности и исследования низкоуровневого поведения систем
•Сильные навыки решения проблем и умение общаться по сложным техническим концепциям 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 с PyTorch internals, distributed inference, квантизацией, оптимизацией KV cache или кастомными GPU-кернелами
•Вклад в проекты, такие как vLLM, SGLang, Triton, FlashAttention или связанные репозитории
Условия
•People-first менеджмент с минимальной бюрократией
•Дружелюбная культура компании, подтверждённая сотрудниками, которые возвращаются
•Гибкий рабочий график
•29 дней PTO (18 рабочих дней в год плюс все национальные праздники)
•10 оплачиваемых recovery-дней
•Полная финансовая и юридическая поддержка для независимых подрядчиков
•Бесплатные курсы английского языка с носителями языка или украинскими преподавателями
•Выделенная HR-поддержка
