Cerebras
Cerebras
501 – 1,000 עובדים
SaaSבינה מלאכותיתחומרה
Cerebras מפתחת חומרה לבינה מלאכותית בקנה מידה של פרוסת סיליקון ותוכנה משולבת לאימון ולהסקה של מודלים בעלי ביצועים גבוהים. מנוע Wafer-Scale Engine שלה מפעיל את מערכת CS-3 ואת Cerebras Inference Cloud, התומכת בתהליכי עבודה התואמים ל-OpenAI API ובפריסה בסביבות מקומיות, בענן ובקצה. הפלטפורמה של החברה מיועדת ליישומים כגון הגשת מודלים, כוונון עדין, אימון מקדים, סוכני בינה מלאכותית בזמן אמת, גנומיקה, גילוי תרופות, אבטחת סייבר וחיפוש ארגוני. Cerebras משלבת שבבים, מערכות ותוכנה ייעודיים עבור ארגונים שבונים ומפעילים עומסי עבודה תובעניים של בינה מלאכותית, עם צוות המונה 501–1,000 עובדים.

מהנדס מיפוי אלגוריתמים וביצועים ללמידת מכונה ליבה

מפה אלגוריתמים לאימון ולהסקה של למידת מכונה לארכיטקטורת שבבי הבינה המלאכותית של Cerebras. למד צווארי בקבוק בביצועים, בצע השוואות מערכת ותרום לתכנון משותף של חומרה ותוכנה.

תיאור

  • בניית מודלים אנליטיים ואמפיריים לביצועים של אלגוריתמים מתקדמים לאימון ולהסקה של למידת מכונה
  • הערכת התנהגות אסימפטוטית ופשרות אלגוריתמיות בין גודל מודל, אורך רצף, גודל אצווה, מקביליות וקנה מידה של חומרה
  • פיתוח חזיתות פארטו המתפרסות על איכות מודל, זמן אחזור, תפוקה, טביעת זיכרון, תקשורת ועלות חישוב
  • יצירת מימושים ניסיוניים ומבחני ביצועים עבור Cerebras WSE לצד קווי בסיס רלוונטיים של GPU ותוכנה
  • חקירת התנהגות המערכת לאיתור צווארי בקבוק בקרנל, במהדר, בזמן ריצה, בתקשורת ובאלגוריתמים
  • הערכת שיטות מתפתחות כגון יצירת טוקנים מקבילית, דיפוזיה ופענוח ספקולטיבי, קשב, דלילות, תערובת מומחים, חישוב בדיוק נמוך ואימון מבוזר
  • שיתוף פעולה עם צוותי מחקר, קרנל, מהדר, זמן ריצה, הסקה וארכיטקטורה בנוגע לסדרי עדיפויות של מימוש ותכנון משותף
  • יצירת כלים והמחשות לחיזוי ביצועים, ניתוח מדידות והשוואת פשרות תכנון
  • הצגת מסקנות, הנחות, מגבלות והמלצות באמצעות דוחות טכניים, מצגות וסקירות תכנון
  • עיצוב סדרי העדיפויות המחקריים של Core ML, בחירות המימוש ויכולות החומרה והתוכנה העתידיות

דרישות

  • תואר ראשון, תואר שני, דוקטורט או ניסיון מעשי שווה ערך במדעי המחשב, הנדסת מחשבים, הנדסת חשמל, מתמטיקה או תחום קשור
  • ידע מעמיק בארכיטקטורת מחשבים, מחשוב מקבילי וביצועי מערכות
  • הבנה טובה של יסודות למידת מכונה ומערכות למידת מכונה
  • ניסיון במידול ביצועים אנליטי, ניתוח סיבוכיות אלגוריתמית, מבחני ביצועים או סימולציית מערכות
  • יכולת מוכחת לחשיבה אנליטית ולפתרון בעיות
  • שליטה ב-Python וידע מעשי ב-C++
  • ניסיון בפרופיילינג ובאיתור באגים בביצועים במערכות למידת מכונה, HPC, CPU, GPU או מאיצים
  • יכולת לקשר בין ניתוח מתמטי, אימות ניסויי והמלצות הנדסיות מעשיות
  • יתרון: ניסיון בניתוח Roofline, בסימולטורים של CPU או GPU, באופטימיזציית קרנלים או בתכנון משותף של חומרה ותוכנה
  • יתרון: היכרות עם CUDA, Triton, PyTorch, JAX או מערכות קוד פתוח לאימון ולהסקה של מודלי שפה גדולים
  • יתרון: ידע בפנימיות של טרנספורמרים, וריאציות קשב, אסטרטגיות מטמון KV, מקביליות מודלים, דלילות, קוונטיזציה ויצירה מקבילית
  • יתרון: פרסומים מחקריים, פטנטים או תרומות משמעותיות לקוד פתוח במערכות למידת מכונה, ארכיטקטורת מחשבים או יעילות חישובית
  • יתרון: ניסיון בהערכת בחירות טכנולוגיות לארכיטקטורות חומרה או תוכנה עתידיות

הטבות

  • הזדמנויות לפרסם מחקר מתקדם בבינה מלאכותית ולהפוך אותו לקוד פתוח
  • עבודה עם אחד ממחשבי-העל המהירים בעולם לבינה מלאכותית
  • אנרגיה של חברת הזנק בשילוב יציבות תעסוקתית
  • תרבות ישירה ולא תאגידית המכבדת אמונות אישיות
  • הזדמנויות מתמשכות ללמידה, להתפתחות ולקבלת תמיכה
  • מחויבות למקום עבודה שוויוני ומגוון