MWDN
MWDN
MWDN est une entreprise de services informatiques et de développement logiciel qui aide les organisations à créer et à faire évoluer des produits numériques sur les plateformes web, mobiles et de bureau. Son équipe d’ingénierie interne accompagne la réalisation des projets clients grâce au renforcement des équipes, à des équipes de développement dédiées et au recrutement international de talents informatiques. Avec des centres de développement en Europe centrale et orientale, MWDN met en relation des organisations aux États-Unis, en Europe et en Israël avec des talents du logiciel pour des projets technologiques personnalisés et maîtrisés en termes de coûts.

Ingénieur CUDA en inférence de LLM (à distance, Ouzbékistan)

Optimisez l’inférence de LLM sur des GPU modernes et travaillez sur des kernels CUDA et des frameworks de serving. Rejoignez MWDN pour des projets de systèmes d’IA et de calcul haute performance.

Description

  • Améliorer les performances de l’inférence de LLM sur des GPU modernes.
  • Utiliser des frameworks d’inférence et de serving tels que vLLM, SGLang et TensorRT-LLM.
  • Examiner l’exécution sur GPU, l’accès à la mémoire, les performances des kernels et les goulots d’étranglement de l’inférence.
  • Créer, optimiser, déboguer ou rétroconcevoir des kernels CUDA et des opérations GPU de bas niveau.
  • Étudier des méthodes d’optimisation pour la multiplication matricielle, l’attention et les couches de réseaux neuronaux.
  • Évaluer les systèmes et trouver des moyens d’améliorer la latence, le débit et l’utilisation du GPU.
  • Résoudre des problèmes complexes liés aux systèmes d’IA et au calcul haute performance.
  • Mener des expériences pratiques et examiner le comportement du système à bas niveau.

Exigences

  • Justifier d’une solide expérience pratique de CUDA et de la programmation GPU.
  • Maîtriser l’architecture GPU, les hiérarchies de mémoire, l’exécution parallèle et l’optimisation des performances.
  • Avoir de l’expérience en inférence de LLM, systèmes d’IA, kernels GPU ou calcul haute performance.
  • Connaître au moins l’un des outils suivants : vLLM, SGLang, TensorRT-LLM, Triton ou FlashAttention.
  • Savoir diagnostiquer des problèmes de performance complexes et étudier le comportement du système à bas niveau.
  • Faire preuve de solides capacités de résolution de problèmes.
  • Communiquer efficacement des idées techniques complexes en anglais.
  • Un doctorat ou une expérience en recherche en informatique, apprentissage automatique, architecture des ordinateurs ou dans une discipline connexe constitue un atout.
  • Des publications de recherche, des projets ou des contributions substantielles à des projets open source liés à l’infrastructure GPU ou LLM constituent un atout.
  • Une expérience des composants internes de PyTorch, de l’inférence distribuée, de la quantification, du réglage du cache KV ou des kernels GPU personnalisés constitue un atout.
  • Des contributions à vLLM, SGLang, Triton, FlashAttention ou à des dépôts connexes constituent un atout.

Avantages

  • Processus de sélection des clients conçu pour réduire les risques et favoriser des paiements fiables et ponctuels.
  • Conseils de carrière et aide à repérer de futures opportunités.
  • Conseils juridiques sur le travail indépendant ou l’entreprise individuelle, les impôts et les sujets connexes.
  • Cours d’anglais et possibilités de développement professionnel.
  • Activités de cohésion d’équipe.
  • Horaires de travail flexibles.
  • 29 jours de congés payés : 18 jours ouvrés par an, auxquels s’ajoutent les jours fériés nationaux.
  • 10 jours rémunérés de récupération.
  • Aide financière et juridique pour les prestataires indépendants.
  • Cours d’anglais gratuits avec des anglophones natifs ou des enseignants ukrainiens.
  • Accompagnement dédié des ressources humaines.
  • Management centré sur les personnes et peu bureaucratique.
  • Une culture d’entreprise accueillante.

Offres similaires

Aucune offre d’emploi trouvée

Essayez de modifier ou d’effacer vos filtres pour trouver plus d’opportunités.