ML Performance Engineer

Мы ищем ML Engineer, ориентированного на производительность, чтобы ускорить обучение моделей крупного масштаба, оптимизируя наш внутренний стек и вычислительную инфраструктуру. Вы будете работать на всем конвейере обучения — от GPU‑ядер до системного пропускного уровня — применяя профилирование, настройку на уровне CUDA и техники распределённых систем. Цель — сократить время обучения, повысить скорость итераций и использовать вычислительные ресурсы более эффективно.

Это ключевая роль в растущей команде, формирующей глубокую техническую экспертизу в системах обучения ML.

• Оптимизировать наш конвейер обучения моделей для повышения скорости и надёжности, обеспечивая более быстрые и эффективные эксперименты;
• Применять техники оптимизации на уровне GPU с использованием таких инструментов, как JAX, Triton, низкоуровневый CUDA, для улучшения производительности и эффективности обучения в масштабе;
• Выявлять и устранять узкие места производительности по всему конвейеру ML — от загрузки и предобработки данных до CUDA‑ядер;
• Создавать инструменты и расширять внутреннюю инфраструктуру для поддержки масштабируемых, воспроизводимых и высокопроизводительных рабочих процессов обучения;
• Наставлять и поддерживать инженеров и исследователей в применении лучших практик производительности в команде;
• Помогать развивать возможности команды в области GPU и системного уровня, способствовать культуре инженерного совершенства и быстрой экспериментации.

• Подтверждённый опыт оптимизации обучения нейронных сетей в продакшене или в крупномасштабных исследовательских проектах — например, сокращение времени обучения, повышение utilisation оборудования или ускорение циклов обратной связи для исследователей ML;
• Обширный практический опыт работы с ML‑фреймворками, такими как PyTorch или JAX;
• Практический опыт обучения и оптимизации архитектур глубокого обучения, таких как LSTM и модели на основе Transformer, включая различные механизмы внимания;
• Опыт работы с CUDA, Triton или другими низкоуровневыми GPU‑технологиями для настройки производительности;
• Владение профилированием и отладкой конвейеров обучения с использованием инструментов, таких как Nsight/cprofiler/CUDA/gdb/torch profiler;
• Понимание концепций распределённого обучения (например, data/model/tensor/sequence/pipeline/context parallelism, компромиссы между памятью и вычислениями);
• Коллаборативный и проактивный подход, сильные коммуникативные навыки и способность наставлять коллег и эффективно взаимодействовать внутри команды;
• Высокий уровень владения Python для создания инфраструктурных инструментов, отладки систем обучения и интеграции с ML‑фреймворками и профилирующими инструментами;

• Высокая базовая зарплата и социальные льготы;
• Щедрая бонусная система. Мы гибки в обсуждении зарплаты и условий трудоустройства;
• Передовое оборудование и программное обеспечение в продакшене, а также высокий технический уровень компании, позволяющий реализовывать смелые идеи и достигать отличных результатов. Возможность владеть инициативами, напрямую решающими бизнес‑проблемы;
• Возможность торговать на десятках международных бирж;
• Гибкий рабочий процесс (отсутствие формализма и бюрократии, отсутствие давления и избыточного менеджмента) и график работы;
• Возмещение расходов на обучение, спонсорство конференций и тренингов;
• Локация: предпочтительно Amsterdam.