A Designworks Talent LLC é uma empresa de recrutamento e consultoria de talentos que atende startups de alto crescimento e empresas globais. Fundada em 2009, a empresa combina recrutadores experientes com ferramentas baseadas em inteligência artificial para apoiar contratações mais rápidas e direcionadas. Seu trabalho abrange recrutamento completo, recrutamento baseado em projetos e modelos flexíveis sob demanda, além de estratégia escalável de contratação, operações de recrutamento, liderança de aquisição de talentos corporativos, sourcing orientado por dados e experiência dos candidatos. A abordagem da equipe foi desenvolvida para oferecer suporte adaptável às organizações à medida que suas necessidades de contratação evoluem.
Engenheiro(a) principal de infraestrutura de treinamento de IA
Lidere o desenvolvimento de infraestrutura distribuída de GPU para treinar modelos de IA de grande porte. Melhore a confiabilidade, a eficiência, a tolerância a falhas e as operações de treinamento em produção em escala.
Descrição
- Criar e escalar infraestrutura distribuída de treinamento para modelos de IA de grande porte em extensos clusters de GPU
- Projetar sistemas que melhorem a confiabilidade, a eficiência e a utilização de recursos durante o treinamento
- Desenvolver soluções tolerantes a falhas para checkpoints, recuperação e operações de treinamento em larga escala
- Integrar modelos de IA a pipelines de treinamento em produção em conjunto com as equipes de engenharia de plataforma, orquestração e desempenho
- Investigar e resolver problemas que afetem a vazão, a estabilidade, a confiabilidade e a eficiência de custos do treinamento
- Criar ferramentas e automações que aprimorem a experiência de pesquisadores e engenheiros de IA
- Definir boas práticas para infraestrutura de treinamento, operações e confiabilidade da plataforma
- Ajudar a moldar a plataforma de infraestrutura de IA como um dos primeiros membros da equipe de engenharia
Requisitos
- Experiência prática na criação e operação de sistemas distribuídos de treinamento ou infraestrutura de aprendizado de máquina em larga escala
- Experiência com modelos de IA de grande porte, modelos fundacionais, fluxos de trabalho de pós-treinamento ou sistemas de aprendizado de máquina comparáveis
- Forte compreensão dos desafios de confiabilidade, escalabilidade e eficiência no treinamento de GPU em múltiplos nós
- Experiência conectando sistemas de treinamento a pipelines de aprendizado de máquina em produção
- Domínio avançado de programação e experiência trabalhando com sistemas distribuídos complexos
- Capacidade comprovada de liderar projetos tecnicamente exigentes de forma independente
- Experiência com frameworks de treinamento distribuído, como PyTorch Distributed, DeepSpeed, Megatron-LM, Ray ou tecnologias comparáveis
- Experiência com ajuste fino supervisionado, aprendizado por reforço com feedback humano ou outros métodos de pós-treinamento
- Experiência operando infraestrutura de treinamento de IA em escala para um hyperscaler, uma organização de pesquisa em IA, um provedor de nuvem ou uma nuvem de GPU
- Experiência otimizando a utilização de GPU, o desempenho de treinamento ou a confiabilidade de sistemas distribuídos
- Familiaridade com Kubernetes, cargas de trabalho de IA conteinerizadas e plataformas de infraestrutura em larga escala
- É necessária autorização de trabalho nos Estados Unidos
- No momento, não há patrocínio de visto disponível
Benefícios
- Algumas funções oferecem aumentos por mérito, bônus anuais e incentivos de longo prazo com base no desempenho individual
- Seguro médico, odontológico e oftalmológico para funcionários nos Estados Unidos
- Plano 401(k) com contribuição correspondente da empresa
- Feriados remunerados a cada ano-calendário
- Modelo de trabalho híbrido