Описание
MWDN — глобальная IT-аутстаффинговая компания с опытом работы более 23 лет, которая связывает лучших 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 высокотехнологичного 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. Эта возможность идеально подходит тому, кто любит разбираться, как всё работает "под капотом" — от архитектуры GPU и низкоуровневых kernel'ов до движков инференса LLM и узких мест производительности.
Задачи
•Исследование и оптимизация производительности LLM inference на современных GPU
•Работа с фреймворками инференса и серверинга, такими как vLLM, SGLang, TensorRT-LLM или аналогичными системами
•Анализ выполнения на GPU, паттернов доступа к памяти, производительности kernel'ов и узких мест инференса
•Разработка, оптимизация, отладка или реверс-инжиниринг CUDA kernel'ов и низкоуровневых операций GPU
•Исследование техник оптимизации для матричного умножения, механизмов attention и слоёв нейронных сетей
•Бенчмаркинг производительности и поиск возможностей для улучшения латентности, 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: 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 смежных областях
•Публикации, исследовательские проекты или значимый вклад в открытую GPU/LLM-инфраструктуру
•Опыт с внутренним устройством PyTorch, распределённым инференсом, квантизацией, оптимизацией KV cache или кастомными GPU kernel'ами
•Вклад в проекты такие как vLLM, SGLang, Triton, FlashAttention или связанные репозитории
Условия
•People-first менеджмент с минимумом бюрократии
•Дружелюбная культура компании, подтверждённая сотрудниками, которые возвращаются
•Гибкий рабочий график
•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
