Praca
Z kanału partnera
Inżynier jądra GPU – wydajność CUDA, Triton i akceleratora
Cena na życzenie
Szczegóły
- Typ zatrudnienia
- Umowa
- Zdalnie
- Tak
- Firma
- Anyone AI
Opis
Automatyczne tłumaczenie z języka English. Oryginał jest wiążący. Tłumaczenie maszynowe — trwają prace nad dokładniejszą wersją.
Firma Any AI rekrutuje doświadczonych inżynierów jądra GPU do specjalistycznego projektu skupiającego się na przeglądaniu, debugowaniu i ocenie wysokowydajnych jąder obliczeniowych używanych w obciążeniach AI.
Poszukujemy inżynierów z praktycznym doświadczeniem w pisaniu i optymalizacji jąder w ramach frameworków takich jak CUDA, Triton, NKI lub Pallas, dobrze rozumiejących poprawność numeryczną, wydajność procesora graficznego, optymalizację pamięci i testy porównawcze.
NAD CZYM BĘDZIESZ PRACOWAĆ
Będziesz pracować z zadaniami jądra GPU i akceleratora obejmującymi:
– Implementacja jądra i debugowanie
– Optymalizacja CUDA i Triton
– Tłumaczenie pomiędzy frameworkami jądra
– Migracja sprzętu
– Fuzja operatorów
– Profilowanie wydajności i benchmarking
– Weryfikacja poprawności numerycznej
– Kompilacja i debugowanie w czasie wykonywania
– Optymalizacja hierarchii pamięci
– Wydajność obciążenia AI na poziomie jądra
Ocenisz, czy wdrożenia są poprawne technicznie, efektywnie zaprojektowane, powtarzalne i odpowiednio zoptymalizowane pod kątem docelowego sprzętu.
CZEGO SZUKAMY
– Ponad 3 lata praktycznego doświadczenia w opracowywaniu, optymalizacji lub debugowaniu jąder GPU lub akceleratorów
– Duże doświadczenie w co najmniej dwóch z poniższych:
– CUDA
– Tryton
– NKI/AWS Neuron
– Pallas/JAX
– Dobra znajomość optymalizacji wydajności GPU
– Doświadczenie z narzędziami do profilowania jądra, takimi jak Nsight, NCU, analiza linii dachu lub profilery natywne dla frameworka
– Zrozumienie:
– Przepustowość pamięci
– Oblicz przepustowość
– Zajętość procesora graficznego
– Wspólna pamięć
– Zarejestruj ciśnienie
– Łączenie pamięci
– Konflikty bankowe
– Dobra znajomość progów poprawności liczb zmiennoprzecinkowych i tolerancji
– Doświadczenie w debugowaniu kompilacji jądra i problemów ze środowiskiem wykonawczym
– Umiejętność rozróżniania defektów oprogramowania, problemów środowiskowych i prawdziwych wyzwań optymalizacyjnych
ODPOWIEDNIE DOŚWIADCZENIE
Kandydaci powinni posiadać doświadczenie w kilku z następujących rodzajów pracy:
– Pisanie jądra na podstawie specyfikacji technicznych
– Tłumaczenie jąder pomiędzy CUDA, Triton lub innymi frameworkami
– Migracja jąder pomiędzy platformami sprzętowymi
– Debugowanie nieprawidłowych implementacji jądra
– Optymalizacja wydajności jądra
– Łączenie wielu operacji w zoptymalizowane jądra
MIŁO MIEĆ
– Doświadczenie zarówno w procesorach graficznych NVIDIA, jak i w ekosystemach niestandardowych akceleratorów
– Doświadczenie z AWS Trainium, TPU, JAX lub innymi akceleratorami
– Doświadczenie w inżynierii kompilatorów
– Znajomość MLIR, XLA lub pośredniego obniżania reprezentacji
– Wkład w biblioteki jądra GPU lub ML
– Doświadczenie z jądrami społeczności cuBLAS, cuDNN, Triton lub niestandardowymi wywołaniami JAX/XLA
– Doświadczenie w ocenie modelu AI, RLHF lub opracowywaniu benchmarków technicznych
ZA CO BĘDZIESZ ODPOWIEDZIALNY
– Sprawdzanie poprawności implementacji jądra GPU i akceleratora
– Porównanie wyników z wdrożeniami referencyjnymi
– Obliczanie numerycznych progów tolerancji
– Przeglądanie testów porównawczych jądra i ustalanie, czy porównania są uczciwe
– Identyfikacja wąskich gardeł wydajności i możliwości optymalizacji
– Ocena, czy docelowe wydajności są realistyczne, biorąc pod uwagę ograniczenia sprzętowe
– Przeglądanie tłumaczeń jądra i migracji sprzętu
– Identyfikacja problemów z kompilacją, sterownikami, pamięcią, kształtem i czasem wykonania
– Ustalenie, czy zadania techniczne są rzeczywiście trudne lub błędnie skonfigurowane
– Przekazywanie jasnych i praktycznych informacji technicznych
ZAANGAŻOWANIE
Rodzaj pracy: Zdalny
Zaangażowanie: Doradztwo oparte na projektach w niepełnym wymiarze godzin
Fokus: jądra GPU, inżynieria wydajności, debugowanie i ocena techniczna
Ta rola jest idealna dla inżynierów, którzy lubią pracować blisko sprzętu, optymalizować obciążenia procesora graficznego, debugować problemy z wydajnością na niskim poziomie i przesuwać systemy obliczeniowe AI w stronę granic wydajności.
Źródło: Praca zdalna w UE (https://euremotejobs.com/job/gpu-kernel-engineer-cuda-triton-accelerator- Performance/)
Poszukujemy inżynierów z praktycznym doświadczeniem w pisaniu i optymalizacji jąder w ramach frameworków takich jak CUDA, Triton, NKI lub Pallas, dobrze rozumiejących poprawność numeryczną, wydajność procesora graficznego, optymalizację pamięci i testy porównawcze.
NAD CZYM BĘDZIESZ PRACOWAĆ
Będziesz pracować z zadaniami jądra GPU i akceleratora obejmującymi:
– Implementacja jądra i debugowanie
– Optymalizacja CUDA i Triton
– Tłumaczenie pomiędzy frameworkami jądra
– Migracja sprzętu
– Fuzja operatorów
– Profilowanie wydajności i benchmarking
– Weryfikacja poprawności numerycznej
– Kompilacja i debugowanie w czasie wykonywania
– Optymalizacja hierarchii pamięci
– Wydajność obciążenia AI na poziomie jądra
Ocenisz, czy wdrożenia są poprawne technicznie, efektywnie zaprojektowane, powtarzalne i odpowiednio zoptymalizowane pod kątem docelowego sprzętu.
CZEGO SZUKAMY
– Ponad 3 lata praktycznego doświadczenia w opracowywaniu, optymalizacji lub debugowaniu jąder GPU lub akceleratorów
– Duże doświadczenie w co najmniej dwóch z poniższych:
– CUDA
– Tryton
– NKI/AWS Neuron
– Pallas/JAX
– Dobra znajomość optymalizacji wydajności GPU
– Doświadczenie z narzędziami do profilowania jądra, takimi jak Nsight, NCU, analiza linii dachu lub profilery natywne dla frameworka
– Zrozumienie:
– Przepustowość pamięci
– Oblicz przepustowość
– Zajętość procesora graficznego
– Wspólna pamięć
– Zarejestruj ciśnienie
– Łączenie pamięci
– Konflikty bankowe
– Dobra znajomość progów poprawności liczb zmiennoprzecinkowych i tolerancji
– Doświadczenie w debugowaniu kompilacji jądra i problemów ze środowiskiem wykonawczym
– Umiejętność rozróżniania defektów oprogramowania, problemów środowiskowych i prawdziwych wyzwań optymalizacyjnych
ODPOWIEDNIE DOŚWIADCZENIE
Kandydaci powinni posiadać doświadczenie w kilku z następujących rodzajów pracy:
– Pisanie jądra na podstawie specyfikacji technicznych
– Tłumaczenie jąder pomiędzy CUDA, Triton lub innymi frameworkami
– Migracja jąder pomiędzy platformami sprzętowymi
– Debugowanie nieprawidłowych implementacji jądra
– Optymalizacja wydajności jądra
– Łączenie wielu operacji w zoptymalizowane jądra
MIŁO MIEĆ
– Doświadczenie zarówno w procesorach graficznych NVIDIA, jak i w ekosystemach niestandardowych akceleratorów
– Doświadczenie z AWS Trainium, TPU, JAX lub innymi akceleratorami
– Doświadczenie w inżynierii kompilatorów
– Znajomość MLIR, XLA lub pośredniego obniżania reprezentacji
– Wkład w biblioteki jądra GPU lub ML
– Doświadczenie z jądrami społeczności cuBLAS, cuDNN, Triton lub niestandardowymi wywołaniami JAX/XLA
– Doświadczenie w ocenie modelu AI, RLHF lub opracowywaniu benchmarków technicznych
ZA CO BĘDZIESZ ODPOWIEDZIALNY
– Sprawdzanie poprawności implementacji jądra GPU i akceleratora
– Porównanie wyników z wdrożeniami referencyjnymi
– Obliczanie numerycznych progów tolerancji
– Przeglądanie testów porównawczych jądra i ustalanie, czy porównania są uczciwe
– Identyfikacja wąskich gardeł wydajności i możliwości optymalizacji
– Ocena, czy docelowe wydajności są realistyczne, biorąc pod uwagę ograniczenia sprzętowe
– Przeglądanie tłumaczeń jądra i migracji sprzętu
– Identyfikacja problemów z kompilacją, sterownikami, pamięcią, kształtem i czasem wykonania
– Ustalenie, czy zadania techniczne są rzeczywiście trudne lub błędnie skonfigurowane
– Przekazywanie jasnych i praktycznych informacji technicznych
ZAANGAŻOWANIE
Rodzaj pracy: Zdalny
Zaangażowanie: Doradztwo oparte na projektach w niepełnym wymiarze godzin
Fokus: jądra GPU, inżynieria wydajności, debugowanie i ocena techniczna
Ta rola jest idealna dla inżynierów, którzy lubią pracować blisko sprzętu, optymalizować obciążenia procesora graficznego, debugować problemy z wydajnością na niskim poziomie i przesuwać systemy obliczeniowe AI w stronę granic wydajności.
Źródło: Praca zdalna w UE (https://euremotejobs.com/job/gpu-kernel-engineer-cuda-triton-accelerator- Performance/)
To ogłoszenie pochodzi z feedu partnera. Aplikuj na stronie źródłowej.
Źródło: Anyone AI
Ogłoszenie pochodzi od Anyone AI.
