Designworks Talent LLC es una empresa de selección y asesoramiento de talento que presta servicios a startups de alto crecimiento y empresas globales. Fundada en 2009, combina reclutadores experimentados con herramientas basadas en inteligencia artificial para facilitar procesos de contratación más rápidos y específicos. Su trabajo abarca búsquedas integrales, selección para proyectos y modelos flexibles bajo demanda, además de estrategias de contratación escalables, operaciones de selección, liderazgo de adquisición de talento empresarial, búsqueda basada en datos y experiencia de los candidatos. El enfoque del equipo está diseñado para ofrecer a las organizaciones un apoyo adaptable a medida que evolucionan sus necesidades de contratación.
Ingeniero/a principal de infraestructura de entrenamiento de IA
Lidera el desarrollo de infraestructura distribuida de GPU para entrenar modelos de IA de gran tamaño. Mejora la fiabilidad, la eficiencia, la tolerancia a fallos y las operaciones de entrenamiento en producción a gran escala.
Descripción
- Desarrollar y escalar infraestructura distribuida de entrenamiento para modelos de IA de gran tamaño en amplios clústeres de GPU
- Diseñar sistemas que mejoren la fiabilidad, la eficiencia y la utilización de recursos durante el entrenamiento
- Desarrollar soluciones tolerantes a fallos para puntos de control, recuperación y operaciones de entrenamiento a gran escala
- Integrar modelos de IA en flujos de entrenamiento de producción junto con equipos de ingeniería de plataformas, orquestación y rendimiento
- Investigar y resolver problemas que afecten al rendimiento, la estabilidad, la fiabilidad y la eficiencia de costes del entrenamiento
- Crear herramientas y automatización que mejoren la experiencia de investigadores e ingenieros de IA
- Definir buenas prácticas para la infraestructura de entrenamiento, las operaciones y la fiabilidad de la plataforma
- Contribuir a dar forma a la plataforma de infraestructura de IA como uno de los primeros miembros del equipo de ingeniería
Requisitos
- Experiencia práctica en la creación y operación de sistemas distribuidos de entrenamiento o infraestructura de aprendizaje automático a gran escala
- Experiencia trabajando con modelos de IA de gran tamaño, modelos fundacionales, flujos de trabajo de posentrenamiento o sistemas de aprendizaje automático comparables
- Sólidos conocimientos de los desafíos de fiabilidad, escalabilidad y eficiencia del entrenamiento de GPU en múltiples nodos
- Experiencia conectando sistemas de entrenamiento con canalizaciones de aprendizaje automático en producción
- Capacidad avanzada de programación y experiencia trabajando con sistemas distribuidos complejos
- Capacidad demostrada para liderar de forma independiente proyectos técnicamente exigentes
- Experiencia con marcos de entrenamiento distribuido como PyTorch Distributed, DeepSpeed, Megatron-LM, Ray o tecnologías comparables
- Experiencia con ajuste fino supervisado, aprendizaje por refuerzo a partir de la retroalimentación humana u otros métodos de posentrenamiento
- Experiencia operando infraestructura de entrenamiento de IA a escala para un proveedor de nube a hiperescala, una organización de investigación de IA, un proveedor de servicios en la nube o una nube de GPU
- Experiencia optimizando la utilización de GPU, el rendimiento del entrenamiento o la fiabilidad de sistemas distribuidos
- Familiaridad con Kubernetes, cargas de trabajo de IA contenerizadas y plataformas de infraestructura a gran escala
- Se requiere autorización para trabajar en Estados Unidos
- Actualmente no se ofrece patrocinio de visado
Beneficios
- Algunos puestos ofrecen aumentos por méritos, bonificaciones anuales e incentivos a largo plazo basados en el rendimiento individual
- Seguro médico, dental y oftalmológico para empleados en Estados Unidos
- Plan 401(k) con aportación de la empresa
- Días festivos pagados cada año natural
- Modalidad de trabajo híbrida