Описание: MWDN — глобальная IT-аутстаффинговая компания с 23+ годами опыта, которая соединяет выдающихся технических специалистов с ведущими компаниями в Израиле, США, Великобритании и Западной Европе. Мы предлагаем возможность 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:
•Исследование и оптимизация производительности LLM inference на современных GPU
•Работа с фреймворками для inference и serving, такими как vLLM, SGLang, TensorRT-LLM и аналогичными
•Анализ выполнения на GPU, паттернов доступа к памяти, производительности kernel и bottleneck'ов inference
•Разработка, оптимизация, отладка или реверс-инжиниринг CUDA kernel'ов и низкоуровневых GPU операций
•Исследование техник оптимизации для матричного умножения, механизмов attention и слоёв нейронных сетей
•Бенчмаркинг производительности и поиск возможностей улучшить latency, throughput и утилизацию GPU
•Работа 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 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 с внутренним устройством PyTorch, распределённым inference, квантизацией, оптимизацией KV cache или собственными GPU kernel'ами
•Вклад в проекты, такие как vLLM, SGLang, Triton, FlashAttention или смежные репозитории
Условия:
•Безопасность: мы тщательно проверяем клиентов, чтобы минимизировать риски и обеспечить надёжность и своевременные выплаты — без мошенничества и неприятных сюрпризов
•Карьерная поддержка: если проект не подходит, мы помогаем найти новые возможности, соответствующие вашим навыкам и карьерным целям
•Юридическая помощь: консультации по юридическим вопросам, включая открытие и ведение статуса независимого подрядчика или ИП, налоги и связанные процессы
•Профессиональное развитие: курсы английского языка и возможности профессионального роста, а также тимбилдинговые 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 году 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
