Senior Machine Learning Applications and Compiler Engineer, LPX

О позиции

Позиция требует работы в области высокопроизводительных runtime-компонентов и компиляторов для ускорения инференса нейросетей. Инженер будет взаимодействовать с командами разработчиков железа, оптимизировать графы вычислений и внедрять новые методы компиляции под архитектуры NVIDIA.

Чем заниматься

• Разработка и поддержка компонентов компилятора и runtime для оптимизации инференса нейросетей
• Проектирование отображения workload'ов на платформы NVIDIA
• Интеграция с экосистемой ПО NVIDIA, включая библиотеки и инструменты
• Профилирование и мониторинг эффективности компилятора
• Взаимодействие с архитекторами оборудования для совместного дизайна функций
• Исследование новых техник компиляции и оптимизации памяти
• Публикация результатов исследований на конференциях

Что ждут

• Магистр или докторская степень в Computer Science/Engineering или эквивалентный опыт
• 5+ лет опыта в разработке системного ПО (C/C++, Rust)
• Опыт работы с компиляторами (LLVM/MLIR), дизайн IR, оптимизационные passes
• Знание фреймворков Deep Learning (TensorFlow, PyTorch), форматов ONNX
• Понимание параллельных архитектур (GPU, spatial processors)
• Навыки профилирования и отладки производительности
• Опыт публикации технических работ

Будет плюсом

• Опыт работы с dataflow архитектурами и статической планировкой
• Вклад в open-source ML/compiler проекты
• Конференционные публикации в области компиляторов или ML

Условия

• Конкурентоспособная зарплата и бонусы
• Участие в инновационных проектах мирового уровня
• Работа с передовыми AI-технологиями
• Возможность публикаций и презентаций на конференциях
• Гибкий график и условия удалённой работы

Навыки

• C++
• Rust
• LLVM
• MLIR
• TensorFlow
• PyTorch
• ONNX
• GPU
• Neural Network Optimization
• Compiler Design
• High-Performance Computing

Могут спросить на собеседовании

1. Как вы оптимизируете граф вычислений нейросети для конкретной архитектуры?
2. Расскажите о сложной задаче профилирования производительности, которую вы решали ранее
3. Как вы сотрудничали с аппаратными командами для улучшения софта?