CUDA Engineer
Работодатель · MWDN
Разработчик программного обеспеченияГибкийПолнаяБудапешт
MWDN — это глобальная ИТ-аутстаффинговая компания, которая ищет высококлассного инженера или исследователя с глубокой экспертизой в GPU-вычислениях, CUDA и оптимизации инференса LLM для работы над сложными задачами на стыке систем ИИ и высокопроизводительных вычислений.
Задачи
- Исследование и оптимизация производительности инференса LLM на современных GPU.
- Работа с фреймворками для инференса и сервинга, такими как vLLM, SGLang, TensorRT-LLM или аналогичными системами.
- Анализ выполнения на GPU, паттернов доступа к памяти, производительности кернелов и узких мест инференса.
- Разработка, оптимизация, отладка или реверс-инжиниринг CUDA-кернелов и низкоуровневых операций на GPU.
- Исследование техник оптимизации для матричного умножения, механизмов внимания (attention) и слоев нейросетей.
- Бенчмаркинг производительности и поиск возможностей для улучшения задержки, пропускной способности и утилизации GPU.
- Работа над технически сложными задачами, требующими сильного аналитического мышления и практических экспериментов.
Условия и льготы
БезопасностьТщательно проверенные клиенты для обеспечения надежности и своевременных выплат.Карьерная поддержкаАктивная помощь в поиске новых возможностей под ваши навыки, если проект не подошел.Юридическая помощьКонсультации по юридическим вопросам, статусу подрядчика, налогам и сопутствующим процессам.Профессиональное развитиеКурсы английского языка, возможности профессионального роста и тимбилдинги.Гибкий график работы29 дней отпуска18 рабочих дней в год плюс все государственные праздники.10 оплачиваемых дней восстановления
Требования
- Уверенный практический опыт работы с CUDA и программированием под GPU.
- Глубокое понимание архитектуры GPU, иерархии памяти, параллельного выполнения и оптимизации производительности.
- Опыт работы с инференсом LLM, ИИ-системами, кернелами GPU или высокопроизводительными вычислениями.
- Знакомство с одним или несколькими фреймворками, такими как vLLM, SGLang, TensorRT-LLM, Triton или FlashAttention.
- Опыт отладки сложных проблем с производительностью и исследования низкоуровневого поведения систем.
- Сильные навыки решения проблем и умение объяснять сложные технические концепции на английском языке.