Cerebras는 고성능 모델 학습과 추론을 위한 웨이퍼 규모 AI 하드웨어와 통합 소프트웨어를 개발합니다. 회사의 웨이퍼 규모 엔진은 CS-3 시스템과 Cerebras Inference Cloud를 구동하며, OpenAI API와 호환되는 워크플로와 온프레미스, 클라우드 및 엣지 환경 전반의 배포를 지원합니다. 이 플랫폼은 모델 서빙, 미세 조정, 사전 학습, 실시간 AI 에이전트, 유전체학, 신약 개발, 사이버 보안 및 엔터프라이즈 검색을 비롯한 애플리케이션을 위해 설계되었습니다. Cerebras는 전문 칩, 시스템 및 소프트웨어를 결합해 고도화된 인공지능 워크로드를 구축하고 운영하는 조직을 지원하며, 직원 수는 501~1,000명입니다.
머신러닝 알고리즘 매핑 및 성능 엔지니어, 코어 머신러닝
머신러닝 학습 및 추론 알고리즘을 Cerebras AI 칩 아키텍처에 매핑합니다. 성능 병목을 모델링하고 시스템을 벤치마크하며 하드웨어와 소프트웨어 공동 설계에 필요한 정보를 제공합니다.
설명
- 고급 머신러닝 학습 및 추론 알고리즘을 위한 분석적·실증적 성능 모델 구축
- 모델 크기, 시퀀스 길이, 배치 크기, 병렬성 및 하드웨어 규모에 따른 점근적 동작과 알고리즘 트레이드오프 평가
- 모델 품질, 지연 시간, 처리량, 메모리 사용량, 통신 및 컴퓨팅 비용을 아우르는 파레토 프런티어 개발
- Cerebras WSE용 프로토타입 구현과 벤치마크를 만들고 관련 GPU 및 소프트웨어 기준선과 비교
- 시스템 동작을 조사하여 커널, 컴파일러, 런타임, 통신 및 알고리즘 병목 파악
- 병렬 토큰 생성, 확산 모델 및 추측 디코딩, 어텐션, 희소성, 전문가 혼합, 저정밀도 연산 및 분산 학습과 같은 새로운 방법 평가
- 연구, 커널, 컴파일러, 런타임, 추론 및 아키텍처 팀과 협업하여 구현 및 공동 설계 우선순위 수립
- 성능을 예측하고 측정값을 분석하며 설계 트레이드오프를 비교하는 도구와 시각화 개발
- 기술 보고서, 발표 및 설계 검토를 통해 결론, 가정, 한계 및 권고 사항 제시
- 코어 머신러닝의 연구 우선순위, 구현 선택 및 향후 하드웨어·소프트웨어 역량의 방향 수립
지원 자격
- 컴퓨터과학, 컴퓨터공학, 전기공학, 수학 또는 관련 분야의 학사·석사·박사 학위 또는 이에 상응하는 실무 경험
- 컴퓨터 아키텍처, 병렬 컴퓨팅 및 시스템 성능에 대한 높은 수준의 지식
- 머신러닝 기초와 ML 시스템에 대한 탄탄한 이해
- 분석적 성능 모델링, 알고리즘 복잡도 분석, 벤치마킹 또는 시스템 시뮬레이션 경험
- 뛰어난 분석적 사고와 문제 해결 능력
- Python에 능숙하고 C++ 실무 지식 보유
- 머신러닝, HPC, CPU, GPU 또는 가속기 기반 시스템에서 성능 프로파일링 및 디버깅 경험
- 수학적 분석, 실험적 검증 및 실용적인 엔지니어링 권고 사항을 연결하는 능력
- 우대: 루프라인 분석, CPU 또는 GPU 시뮬레이터, 커널 최적화 또는 하드웨어·소프트웨어 공동 설계 경험
- 우대: CUDA, Triton, PyTorch, JAX 또는 오픈 소스 LLM 학습·추론 시스템에 대한 친숙도
- 우대: 트랜스포머 내부 구조, 어텐션 변형, KV 캐시 전략, 모델 병렬화, 희소성, 양자화 및 병렬 생성에 대한 지식
- 우대: ML 시스템, 컴퓨터 아키텍처 또는 계산 효율성 분야의 연구 논문, 특허 또는 상당한 오픈 소스 기여
- 우대: 미래 하드웨어 또는 소프트웨어 아키텍처를 위한 기술 선택 평가 경험
복리후생
- 첨단 AI 연구를 발표하고 오픈 소스로 공개할 기회
- 세계에서 가장 빠른 AI 슈퍼컴퓨터 중 하나와 함께 일하는 경험
- 스타트업의 활력과 직업 안정성을 결합한 환경
- 개인의 신념을 존중하는 솔직하고 비기업적인 문화
- 지속적인 학습, 성장 및 지원 기회
- 평등하고 다양한 직장을 만들기 위한 노력