
A MWDN é uma empresa de serviços de TI e desenvolvimento de software que ajuda organizações a criar e ampliar produtos digitais para plataformas web, móveis e desktop. Sua equipe interna de engenharia apoia a entrega para clientes por meio de alocação de profissionais, equipes de desenvolvimento dedicadas e recrutamento global de talentos de TI. Com centros de desenvolvimento na Europa Central e Oriental, a MWDN conecta organizações nos Estados Unidos, na Europa e em Israel a profissionais de software para projetos de tecnologia personalizados e econômicos.
Engenheiro CUDA de inferência de LLM (remoto, Uzbequistão)
Otimize a inferência de LLMs em GPUs modernas, trabalhando com kernels CUDA e frameworks de serving. Faça parte da MWDN em projetos de sistemas de IA e computação de alto desempenho.
Descrição
- Melhorar o desempenho da inferência de LLMs em GPUs modernas.
- Usar frameworks de inferência e serving, como vLLM, SGLang e TensorRT-LLM.
- Analisar a execução na GPU, o acesso à memória, o desempenho dos kernels e os gargalos de inferência.
- Criar, otimizar, depurar ou fazer engenharia reversa de kernels CUDA e operações de GPU de baixo nível.
- Investigar métodos de otimização para multiplicação de matrizes, atenção e camadas de redes neurais.
- Avaliar sistemas e encontrar maneiras de melhorar a latência, a vazão e a utilização da GPU.
- Resolver problemas desafiadores que abrangem sistemas de IA e computação de alto desempenho.
- Realizar experimentos práticos e analisar o comportamento do sistema em baixo nível.
Requisitos
- Ter ampla experiência prática com CUDA e programação de GPUs.
- Compreender a fundo a arquitetura de GPU, hierarquias de memória, execução paralela e otimização de desempenho.
- Ter experiência com inferência de LLMs, sistemas de IA, kernels de GPU ou computação de alto desempenho.
- Conhecer pelo menos um destes: vLLM, SGLang, TensorRT-LLM, Triton ou FlashAttention.
- Ser capaz de diagnosticar problemas complexos de desempenho e investigar o comportamento do sistema em baixo nível.
- Ter fortes habilidades de resolução de problemas.
- Comunicar ideias técnicas complexas com eficácia em inglês.
- Doutorado ou experiência em pesquisa em ciência da computação, aprendizado de máquina, arquitetura de computadores ou área relacionada são diferenciais.
- Publicações de pesquisa, projetos ou contribuições substanciais de código aberto para infraestrutura de GPU ou LLM são diferenciais.
- Experiência com componentes internos do PyTorch, inferência distribuída, quantização, ajuste de cache KV ou kernels de GPU personalizados é um diferencial.
- Contribuições para vLLM, SGLang, Triton, FlashAttention ou repositórios relacionados são um diferencial.
Benefícios
- Processo de avaliação de clientes elaborado para reduzir riscos e apoiar pagamentos confiáveis e pontuais.
- Orientação de carreira e ajuda para identificar oportunidades futuras.
- Assessoria jurídica sobre contratação independente ou atuação como empresário individual, impostos e assuntos relacionados.
- Aulas de inglês e oportunidades de desenvolvimento profissional.
- Atividades de integração da equipe.
- Horário de trabalho flexível.
- 29 dias de folga remunerada: 18 dias úteis por ano, além dos feriados nacionais.
- 10 dias remunerados para recuperação.
- Assistência financeira e jurídica para prestadores de serviços independentes.
- Aulas gratuitas de inglês com falantes nativos ou professores ucranianos.
- Atendimento dedicado de RH.
- Gestão que prioriza as pessoas e tem pouca burocracia.
- Uma cultura empresarial acolhedora.
Vagas relacionadas
Nenhuma vaga encontrada
Tente ajustar ou limpar os filtros para encontrar mais oportunidades.