Описание: MWDN — глобальная IT-аутстаффинговая компания с опытом работы более 23 лет, которая соединяет выдающихся технических специалистов с ведущими компаниями в Израиле, США, Великобритании и Западной Европе. Мы предлагаем возможности работать над международными продуктами в стабильной и профессиональной среде. Мы ищем высококвалифицированного 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 для inference и serving, такими как vLLM, SGLang, TensorRT-LLM или аналогичными системами
•Анализировать выполнение на GPU, паттерны доступа к памяти, производительность kernel-ов и bottleneck-и inference
•Разрабатывать, оптимизировать, отлаживать или реверс-инжинирить CUDA kernels и низкоуровневые GPU-операции
•Исследовать техники оптимизации для матричного умножения, механизмов attention и слоёв нейронных сетей
•Бенчмаркать производительность и находить возможности для улучшения latency, throughput и утилизации GPU
•Работать над технически сложными задачами, требующими сильного аналитического мышления и практического экспериментирования
Требования:
•Сильный практический опыт с CUDA и GPU-программированием
•Глубокое понимание архитектуры GPU, иерархии памяти, параллельного выполнения и оптимизации производительности
•Опыт с LLM inference, AI-системами, GPU kernels или высокопроизводительными вычислениями
•Знакомство с одним или несколькими фреймворками: vLLM, SGLang, TensorRT-LLM, Triton или FlashAttention
•Опыт отладки сложных проблем производительности и исследования низкоуровневого поведения систем
•Сильные навыки решения проблем и умение общаться на английском языке по сложным техническим концепциям
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 custom GPU kernels
•Вклад в проекты, такие как vLLM, SGLang, Triton, FlashAttention или связанные репозитории
Условия:
•Security: мы тщательно проверяем клиентов, чтобы минимизировать риски и обеспечить надёжность и своевременные выплаты — без мошенничества и неприятных сюрпризов
•Career support: если проект не подходит, мы помогаем найти новые возможности, соответствующие вашим навыкам и карьерным целям
•Legal assistance: предоставляем консультации по юридическим вопросам, включая открытие и ведение статуса независимого подрядчика или индивидуального предпринимателя, налоги и связанные процессы
•Professional development: курсы английского языка и возможности профессионального роста, а также тимбилдинговые мероприятия
•People-first management с минимальной бюрократией
•Дружелюбная культура компании, подтверждённая сотрудниками, которые возвращаются
•Гибкий график работы
•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 занятия английским языком с носителями языка или украинскими преподавателями
•Выделенная HR-поддержка
