Cerebras
Cerebras
501 – 1 000 Ansatte
Kunstig intelligensMaskinvareSaaS
Cerebras utvikler AI-maskinvare i wafer-skala og integrert programvare for høytytende modelltrening og inferens. Selskapets Wafer-Scale Engine driver CS-3-systemet og Cerebras Inference Cloud, som støtter arbeidsflyter som er kompatible med OpenAI API, samt utrulling i lokale miljøer, skybaserte miljøer og edge-miljøer. Plattformen er utviklet for blant annet modellservering, finjustering, forhåndstrening, AI-agenter i sanntid, genomikk, legemiddelutvikling, cybersikkerhet og virksomhetssøk. Cerebras samler spesialiserte brikker, systemer og programvare for organisasjoner som utvikler og drifter krevende arbeidsbelastninger innen kunstig intelligens, med et team på 501–1 000 ansatte.

Ingeniør for kartlegging av ML-algoritmer og ytelse, Core ML

Kartlegg algoritmer for maskinlæringstrening og inferens mot Cerebras' AI-brikkearkitektur. Modeller ytelsesflaskehalser, benchmark systemer og bidra til samutvikling av maskinvare og programvare.

Beskrivelse

  • Bygg analytiske og empiriske ytelsesmodeller for avanserte algoritmer for ML-trening og inferens
  • Vurder asymptotisk oppførsel og algoritmiske avveininger på tvers av modellstørrelse, sekvenslengde, batchstørrelse, parallellitet og maskinvareskala
  • Utvikle Pareto-fronter som omfatter modellkvalitet, latenstid, gjennomstrømning, minnefotavtrykk, kommunikasjon og beregningskostnad
  • Lag prototypeimplementasjoner og benchmarker for Cerebras WSE sammen med relevante GPU- og programvarebaseliner
  • Undersøk systemoppførsel for å finne flaskehalser i kjerner, kompilatorer, runtime, kommunikasjon og algoritmer
  • Vurder nye metoder som parallell token-generering, diffusjon og spekulativ dekoding, attention, sparsitet, mixture-of-experts, beregning med lav presisjon og distribuert trening
  • Samarbeid med team innen forskning, kjerner, kompilatorer, runtime, inferens og arkitektur om prioriteringer for implementering og samutvikling
  • Lag verktøy og visualiseringer for å fremskrive ytelse, analysere målinger og sammenligne designavveininger
  • Presenter konklusjoner, antakelser, begrensninger og anbefalinger gjennom tekniske rapporter, presentasjoner og designgjennomganger
  • Form Core MLs forskningsprioriteringer, implementasjonsvalg og fremtidige maskinvare- og programvarefunksjoner

Krav

  • Bachelor-, master- eller doktorgrad, eller tilsvarende praktisk erfaring innen datavitenskap, datateknikk, elektroteknikk, matematikk eller et beslektet fagområde
  • Sterk kunnskap om datamaskinarkitektur, parallell databehandling og systemytelse
  • Solid forståelse av grunnleggende maskinlæring og ML-systemer
  • Erfaring med analytisk ytelsesmodellering, analyse av algoritmisk kompleksitet, benchmarking eller systemsimulering
  • Dokumentert analytisk sans og evne til problemløsning
  • Gode ferdigheter i Python og praktisk kjennskap til C++
  • Erfaring med profilering og feilsøking av ytelse i ML-, HPC-, CPU-, GPU- eller akseleratorbaserte systemer
  • Evne til å knytte sammen matematisk analyse, eksperimentell validering og praktiske tekniske anbefalinger
  • Foretrukket: erfaring med roofline-analyse, CPU- eller GPU-simulatorer, kjerneoptimalisering eller samutvikling av maskinvare og programvare
  • Foretrukket: kjennskap til CUDA, Triton, PyTorch, JAX eller systemer med åpen kildekode for LLM-trening og inferens
  • Foretrukket: kunnskap om transformernes interne oppbygning, attention-varianter, KV-cache-strategier, modellparallellitet, sparsitet, kvantisering og parallell generering
  • Foretrukket: forskningspublikasjoner, patenter eller betydelige bidrag til åpen kildekode innen ML-systemer, datamaskinarkitektur eller beregningseffektivitet
  • Foretrukket: erfaring med å vurdere teknologivalg for fremtidige maskinvare- eller programvarearkitekturer

Fordeler

  • Muligheter til å publisere og bidra med avansert AI-forskning som åpen kildekode
  • Jobb med en av verdens raskeste AI-superdatamaskiner
  • Startupenergi kombinert med jobbsikkerhet
  • En direkte, ikke-korporativ kultur som respekterer individuelle overbevisninger
  • Løpende muligheter for læring, utvikling og støtte
  • Forpliktelse til en likestilt og mangfoldig arbeidsplass

Relaterte jobber