Ang Tether.to ay isang kompanya ng mga digital asset na nakatuon sa imprastraktura ng stablecoin at mga pagbabayad na nakabatay sa blockchain. Ang mga token ng Tether ay idinisenyo upang mapanatili ang halagang isa-sa-isa kaugnay ng mga katumbas na fiat currency at maaaring ilipat sa iba't ibang blockchain, na sumusuporta sa mga digital na transaksyon at pagbabayad sa iba't ibang bansa. Naglalathala rin ang kompanya ng impormasyon tungkol sa mga asset at reserba nito at bumubuo ng mga inisyatibong pang-edukasyon upang mapalawak ang pag-unawa at paggamit ng mga digital asset, kabilang sa Middle East, Turkey, at Pilipinas. Sa gawaing sumasaklaw sa crypto, fintech, at pananalapi, nakatutulong ang Tether.to sa pagbuo ng alternatibong imprastraktura sa pananalapi at mga aplikasyon ng matatag na digital currency.
Inhinyero sa Pananaliksik ng AI – Pag-optimize ng Kernel at Inferensiya, Remote sa Europa
I-optimize ang mga GPU kernel, model serving, at inference system para sa blockchain-powered na digital finance platform ng Tether. Pagbutihin ang latency, throughput, at memory efficiency sa mga mobile at edge device.
Paglalarawan
- Magdisenyo at mag-deploy ng mga arkitekturang model serving na nagpapalaki ng throughput, nagpapababa ng latency, at mahusay gumamit ng memorya.
- Pagbutihin ang performance ng inference sa mga device na limitado ang resources at sa mga edge platform.
- Magtakda ng mga target sa performance para sa latency, token response time, at memory footprint.
- Bumuo, magsagawa, at magmonitor ng mga kontroladong inference test sa simulated at production environment.
- Subaybayan ang mga performance indicator para sa latency, throughput, memory usage, at error rate.
- Itala ang mga paulit-ulit na natuklasan at ihambing ang mga resulta sa mga naitatag na cross-platform benchmark.
- Bumuo ng mga test dataset at simulation scenario para sa mga deployment condition na mababa ang resources.
- Suriin ang computational efficiency at tukuyin ang mga bottleneck sa serving pipeline.
- I-optimize ang batching, network delay, memory use, scalability, at reliability.
- Makipagtulungan sa mga cross-functional team upang maisama ang mga na-optimize na serving at inference framework sa production edge at on-device pipeline.
- Magtakda ng success metric, patuloy na magmonitor ng performance, at paulit-ulit na pinuhin ang mga solusyon.
Mga Kinakailangan
- Degree sa Computer Science o kaugnay na disiplina.
- Mas gusto ang PhD sa NLP, Machine Learning, o kaugnay na larangan.
- Napatunayang karanasan sa AI research and development, kabilang ang mahuhusay na publikasyon sa mga A* conference.
- Praktikal na kaalaman sa Metal Shading Language (MSL).
- Kakayahang lumikha ng custom compute shader mula sa simula.
- Karanasan sa pag-optimize ng low-level kernel at inference sa mga mobile device.
- Katibayan ng pagpapahusay ng inference latency, throughput, at memory footprint para sa mga domain-specific application.
- Malalim na pag-unawa sa mga makabagong model-serving architecture at inference optimization method.
- Malawak na karanasan sa pagsulat ng GPU kernel para sa smartphone at iba pang mobile device.
- Advanced na kaalaman sa mga model-serving framework at inference engine.
- Aktuwal na karanasan sa pagbuo at pag-deploy ng end-to-end inference pipeline sa mga device na limitado ang resources.
- Kakayahang ilapat ang empirical research sa mga hamon sa serving na may kinalaman sa latency, computational bottleneck, at memory limit.
- Kasanayan sa pagdidisenyo ng evaluation framework at pag-ulit sa mga optimization approach.
- Karanasan sa distributed inference system, kabilang ang tensor, pipeline, at expert parallelism.
- Malalim na pag-unawa sa matematika at arkitektura ng Diffusion Model at Vision Transformer.
- Kaalaman sa pruning, quantization, Flash Attention, KV cache, at speculative decoding gamit ang Eagle.
Mga Benepisyo
- Magtrabaho nang remote mula sa kahit saang lugar sa mundo.
- Makipagtulungan sa isang internasyonal na team.
- Mag-ambag sa mga produktong fintech, blockchain, artificial intelligence, at digital finance.