Cerebras kehittää wafer-asteikon tekoälylaitteistoja ja integroitua ohjelmistoa suorituskykyiseen mallien koulutukseen ja päättelyyn. Sen Wafer-Scale Engine -prosessori toimii CS-3-järjestelmän ja Cerebras Inference Cloud -palvelun perustana. Palvelu tukee OpenAI API -yhteensopivia työnkulkuja ja käyttöönottoa paikallisissa ympäristöissä, pilvessä ja reunalaskentaympäristöissä. Yrityksen alusta on suunniteltu muun muassa mallien tarjoiluun, hienosäätöön, esikoulutukseen, reaaliaikaisiin tekoälyagentteihin, genomiikkaan, lääkekehitykseen, kyberturvallisuuteen ja yrityshakuun. Cerebras yhdistää erikoistuneet sirut, järjestelmät ja ohjelmistot organisaatioille, jotka rakentavat ja käyttävät vaativia tekoälykuormia. Yrityksessä työskentelee 501–1 000 työntekijää.
ML-algoritmien kartoitus- ja suorituskykyinsinööri, Core ML
Kartoita koneoppimisen koulutus- ja päättelyalgoritmit Cerebrasin AI-siruarkkitehtuuriin. Mallinna suorituskyvyn pullonkauloja, vertaile järjestelmiä ja tue laitteiston ja ohjelmiston yhteissuunnittelua.
Kuvaus
- Rakenna analyyttisiä ja empiirisiä suorituskykymalleja edistyneille koneoppimisen koulutus- ja päättelyalgoritmeille
- Arvioi asymptoottista käyttäytymistä ja algoritmisia kompromisseja mallin koon, sekvenssin pituuden, eräkoon, rinnakkaisuuden ja laitteiston mittakaavan suhteen
- Kehitä Pareto-rintamia, jotka kattavat mallin laadun, viiveen, läpimenon, muistijalanjäljen, tiedonsiirron ja laskentakustannukset
- Luo prototyyppitoteutuksia ja vertailumittauksia Cerebras WSE:lle sekä asiaankuuluville GPU- ja ohjelmistoperustasoille
- Tutki järjestelmän toimintaa ytimen, kääntäjän, ajonaikaisen ympäristön, tiedonsiirron ja algoritmien pullonkaulojen paikantamiseksi
- Arvioi uusia menetelmiä, kuten rinnakkaista tokenien generointia, diffuusio- ja spekulatiivista dekoodausta, huomiomekanismeja, harvuutta, asiantuntijasekoitteita, matalan tarkkuuden laskentaa ja hajautettua koulutusta
- Tee yhteistyötä tutkimus-, ydin-, kääntäjä-, ajonaikaisen ympäristön, päättelyn ja arkkitehtuurin tiimien kanssa toteutuksen ja yhteissuunnittelun painopisteistä
- Luo työkaluja ja visualisointeja suorituskyvyn ennustamiseen, mittaustulosten analysointiin ja suunnittelukompromissien vertailuun
- Esittele johtopäätökset, oletukset, rajoitukset ja suositukset teknisissä raporteissa, esityksissä ja suunnittelukatselmuksissa
- Vaikuta Core ML -tutkimuksen painopisteisiin, toteutusvalintoihin sekä tuleviin laitteisto- ja ohjelmistokykyihin
Vaatimukset
- Tietojenkäsittelytieteen, tietotekniikan, sähkötekniikan, matematiikan tai lähialan kandidaatin, maisterin tai tohtorin tutkinto tai vastaava käytännön kokemus
- Vahva tietämys tietokonearkkitehtuurista, rinnakkaislaskennasta ja järjestelmien suorituskyvystä
- Hyvä koneoppimisen perusteiden ja ML-järjestelmien tuntemus
- Kokemusta analyyttisestä suorituskykymallinnuksesta, algoritmien kompleksisuusanalyysistä, vertailumittauksista tai järjestelmäsimuloinnista
- Osoitettu analyyttinen päättely- ja ongelmanratkaisukyky
- Pythonin hyvä hallinta ja C++:n työskentelytuntemus
- Kokemusta ML-, HPC-, CPU-, GPU- tai kiihdytinpohjaisten järjestelmien suorituskyvyn profiloinnista ja virheenkorjauksesta
- Kyky yhdistää matemaattinen analyysi, kokeellinen validointi ja käytännön tekniset suositukset
- Eduksi: kokemus roofline-analyysistä, CPU- tai GPU-simulaattoreista, ytimien optimoinnista tai laitteiston ja ohjelmiston yhteissuunnittelusta
- Eduksi: CUDA:n, Tritonin, PyTorchin, JAX:n tai avoimen lähdekoodin LLM-koulutus- ja päättelyjärjestelmien tuntemus
- Eduksi: transformerien sisäisen toiminnan, huomiovarianttien, KV-välimuististrategioiden, mallin rinnakkaisuuden, harvuuden, kvantisoinnin ja rinnakkaisen generoinnin tuntemus
- Eduksi: tutkimusjulkaisuja, patentteja tai merkittäviä avoimen lähdekoodin kontribuutioita ML-järjestelmien, tietokonearkkitehtuurin tai laskennallisen tehokkuuden alalla
- Eduksi: kokemusta tulevien laitteisto- tai ohjelmistoarkkitehtuurien teknologiavalintojen arvioinnista
Edut
- Mahdollisuuksia julkaista edistynyttä tekoälytutkimusta ja avata sitä avoimeksi lähdekoodiksi
- Työskentely yhden maailman nopeimmista tekoälysupertietokoneista parissa
- Startup-henki yhdistettynä työpaikan vakauteen
- Suoraviivainen, epäkorporaatiomainen kulttuuri, joka kunnioittaa yksilöllisiä vakaumuksia
- Jatkuvia mahdollisuuksia oppimiseen, kehittymiseen ja tukeen
- Sitoutuminen tasa-arvoiseen ja monimuotoiseen työympäristöön