Описание
MWDN — глобальная IT-аутстаффинговая компания с более чем 23-летним опытом, которая соединяет талантливых 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 высокотехничного 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 inference и serving фреймворками, такими как vLLM, SGLang, TensorRT-LLM или аналогичными системами.
•Анализ выполнения на GPU, паттернов доступа к памяти, производительности kernel'ов и bottleneck'ов inference.
•Разработка, оптимизация, отладка или reverse-engineering CUDA kernel'ов и низкоуровневых GPU операций.
•Исследование техник оптимизации для matrix multiplication, attention механизмов и слоёв нейронных сетей.
•Бенчмаркинг производительности и поиск возможностей для улучшения latency, throughput и утилизации 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 kernel'ами или высокопроизводительными вычислениями.
•Знание одного или нескольких фреймворков, таких как 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 на сложные технические темы.
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, quantization, KV cache optimization или написанием custom GPU kernel'ов.
•Вклад в проекты вроде vLLM, SGLang, Triton, FlashAttention или связанные репозитории.
Условия
•People-first менеджмент с минимумом бюрократии.
•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 (recovery days).
•Полная финансовая и юридическая поддержка для independent contractors.
•Бесплатные курсы английского языка с носителями языка или украинскими преподавателями.
•Выделенная HR-поддержка.
