İş
Ortak beslemesinden
GPU Çekirdek Mühendisi – CUDA, Triton ve Hızlandırıcı Performansı
Talep üzerine fiyat
Detaylar
- Çalışma türü
- Sözleşmeli
- Uzaktan
- Evet
- Şirket
- Anyone AI
Açıklama
English dilinden otomatik çevrildi. Orijinal metin esas alınmalıdır. Makine çevirisi — daha doğru bir çeviri hazırlanıyor.
AI, AI iş yüklerinde kullanılan yüksek performanslı bilgi işlem çekirdeklerini incelemeye, hata ayıklamaya ve değerlendirmeye odaklanan özel bir proje için deneyimli GPU Çekirdek Mühendislerini işe alıyor.
CUDA, Triton, NKI veya Pallas gibi çerçeveler genelinde çekirdek yazma ve optimize etme konusunda uygulamalı deneyime sahip, sayısal doğruluk, GPU performansı, bellek optimizasyonu ve kıyaslama konusunda güçlü bir anlayışa sahip mühendisler arıyoruz.
NE ÜZERİNDE ÇALIŞACAKSINIZ
Aşağıdakileri içeren GPU ve hızlandırıcı çekirdek görevleriyle çalışacaksınız:
– Çekirdek uygulaması ve hata ayıklama
– CUDA ve Triton optimizasyonu
– Çekirdek çerçeveleri arasında çeviri
– Donanım geçişi
– Operatör füzyonu
– Performans profili oluşturma ve kıyaslama
– Sayısal doğruluk doğrulaması
– Derleme ve çalışma zamanı hata ayıklaması
– Bellek hiyerarşisi optimizasyonu
– Çekirdek düzeyinde yapay zeka iş yükü performansı
Uygulamaların teknik olarak doğru, verimli bir şekilde tasarlanmış, tekrarlanabilir ve hedef donanım için uygun şekilde optimize edilmiş olup olmadığını değerlendireceksiniz.
ARADIĞIMIZ ŞEY
– GPU veya hızlandırıcı çekirdeklerini geliştirme, optimize etme veya hata ayıklama konusunda 3 yılı aşkın uygulamalı deneyim
– Aşağıdakilerden en az ikisinde güçlü deneyim:
– CUDA
– Triton
– NKI / AWS Nöronu
– Pallas / JAX
– GPU performans optimizasyonuna ilişkin güçlü anlayış
– Nsight, NCU, çatı hattı analizi veya çerçeveye özgü profil oluşturucular gibi çekirdek profil oluşturma araçlarıyla ilgili deneyim
– Aşağıdakilerin anlaşılması:
– Bellek bant genişliği
– İşlem hacmi
– GPU doluluğu
– Paylaşılan hafıza
– Basıncı kaydedin
– Hafıza birleştirme
– Banka anlaşmazlıkları
– Kayan nokta sayısal doğruluğu ve tolerans eşiklerinin güçlü şekilde anlaşılması
– Çekirdek derlemesinde hata ayıklama ve çalışma zamanı sorunlarını deneyimleyin
– Yazılım kusurlarını, çevre sorunlarını ve gerçek optimizasyon zorluklarını ayırt edebilme yeteneği
İLGİLİ DENEYİM
Adayların aşağıdaki iş türlerinden birkaçında deneyime sahip olmaları gerekir:
– Teknik özelliklerden kernel yazımı
– CUDA, Triton veya diğer çerçeveler arasında çekirdeklerin çevrilmesi
– Çekirdeklerin donanım platformları arasında taşınması
– Yanlış çekirdek uygulamalarında hata ayıklama
– Çekirdek performansını optimize etme
– Birden fazla işlemi optimize edilmiş çekirdeklerde birleştirmek
SAHİP OLMAK GÜZEL
– Hem NVIDIA GPU hem de özel hızlandırıcı ekosistemlerinde deneyim
– AWS Trainium, TPU, JAX veya diğer hızlandırıcılarla deneyim
– Derleyici mühendisliği deneyimi
– MLIR, XLA veya ara temsil düşürmeye aşinalık
– GPU veya ML çekirdek kitaplıklarına katkılar
– cuBLAS, cuDNN, Triton topluluk çekirdekleri veya JAX/XLA özel çağrıları konusunda deneyim
– Yapay zeka modeli değerlendirmesi, RLHF veya teknik kıyaslama geliştirme deneyimi
NEDEN SORUMLU OLACAKSINIZ
– GPU ve hızlandırıcı çekirdek uygulamalarının doğruluğunun gözden geçirilmesi
– Çıktıların referans uygulamalarla karşılaştırılması
– Sayısal tolerans eşiklerinin değerlendirilmesi
– Çekirdek kıyaslamalarının gözden geçirilmesi ve karşılaştırmaların adil olup olmadığının belirlenmesi
– Performans darboğazlarının ve optimizasyon fırsatlarının belirlenmesi
– Verilen donanım sınırlarına göre performans hedeflerinin gerçekçi olup olmadığının değerlendirilmesi
– Çekirdek çevirilerinin ve donanım geçişlerinin gözden geçirilmesi
– Derleme, sürücü, bellek, şekil ve çalışma zamanı sorunlarını belirleme
– Teknik görevlerin gerçekten zor mu yoksa yanlış yapılandırılmış mı olduğunun belirlenmesi
– Açık, uygulanabilir teknik geri bildirim sağlamak
NİŞAN
Çalışma Türü: Uzaktan
Katılım: Yarı zamanlı, proje bazlı danışmanlık
Odak noktası: GPU çekirdekleri, performans mühendisliği, hata ayıklama ve teknik değerlendirme
Bu rol, donanıma yakın çalışmaktan, GPU iş yüklerini optimize etmekten, düşük seviyeli performans sorunlarının hatalarını ayıklamaktan ve yapay zeka bilgi işlem sistemlerini performans sınırlarına kadar zorlamaktan hoşlanan mühendisler için idealdir.
Kaynak: AB Uzaktan İşler (https://euremotejobs.com/job/gpu-kernel-engineer-cuda-triton-accelerator- Performance/)
CUDA, Triton, NKI veya Pallas gibi çerçeveler genelinde çekirdek yazma ve optimize etme konusunda uygulamalı deneyime sahip, sayısal doğruluk, GPU performansı, bellek optimizasyonu ve kıyaslama konusunda güçlü bir anlayışa sahip mühendisler arıyoruz.
NE ÜZERİNDE ÇALIŞACAKSINIZ
Aşağıdakileri içeren GPU ve hızlandırıcı çekirdek görevleriyle çalışacaksınız:
– Çekirdek uygulaması ve hata ayıklama
– CUDA ve Triton optimizasyonu
– Çekirdek çerçeveleri arasında çeviri
– Donanım geçişi
– Operatör füzyonu
– Performans profili oluşturma ve kıyaslama
– Sayısal doğruluk doğrulaması
– Derleme ve çalışma zamanı hata ayıklaması
– Bellek hiyerarşisi optimizasyonu
– Çekirdek düzeyinde yapay zeka iş yükü performansı
Uygulamaların teknik olarak doğru, verimli bir şekilde tasarlanmış, tekrarlanabilir ve hedef donanım için uygun şekilde optimize edilmiş olup olmadığını değerlendireceksiniz.
ARADIĞIMIZ ŞEY
– GPU veya hızlandırıcı çekirdeklerini geliştirme, optimize etme veya hata ayıklama konusunda 3 yılı aşkın uygulamalı deneyim
– Aşağıdakilerden en az ikisinde güçlü deneyim:
– CUDA
– Triton
– NKI / AWS Nöronu
– Pallas / JAX
– GPU performans optimizasyonuna ilişkin güçlü anlayış
– Nsight, NCU, çatı hattı analizi veya çerçeveye özgü profil oluşturucular gibi çekirdek profil oluşturma araçlarıyla ilgili deneyim
– Aşağıdakilerin anlaşılması:
– Bellek bant genişliği
– İşlem hacmi
– GPU doluluğu
– Paylaşılan hafıza
– Basıncı kaydedin
– Hafıza birleştirme
– Banka anlaşmazlıkları
– Kayan nokta sayısal doğruluğu ve tolerans eşiklerinin güçlü şekilde anlaşılması
– Çekirdek derlemesinde hata ayıklama ve çalışma zamanı sorunlarını deneyimleyin
– Yazılım kusurlarını, çevre sorunlarını ve gerçek optimizasyon zorluklarını ayırt edebilme yeteneği
İLGİLİ DENEYİM
Adayların aşağıdaki iş türlerinden birkaçında deneyime sahip olmaları gerekir:
– Teknik özelliklerden kernel yazımı
– CUDA, Triton veya diğer çerçeveler arasında çekirdeklerin çevrilmesi
– Çekirdeklerin donanım platformları arasında taşınması
– Yanlış çekirdek uygulamalarında hata ayıklama
– Çekirdek performansını optimize etme
– Birden fazla işlemi optimize edilmiş çekirdeklerde birleştirmek
SAHİP OLMAK GÜZEL
– Hem NVIDIA GPU hem de özel hızlandırıcı ekosistemlerinde deneyim
– AWS Trainium, TPU, JAX veya diğer hızlandırıcılarla deneyim
– Derleyici mühendisliği deneyimi
– MLIR, XLA veya ara temsil düşürmeye aşinalık
– GPU veya ML çekirdek kitaplıklarına katkılar
– cuBLAS, cuDNN, Triton topluluk çekirdekleri veya JAX/XLA özel çağrıları konusunda deneyim
– Yapay zeka modeli değerlendirmesi, RLHF veya teknik kıyaslama geliştirme deneyimi
NEDEN SORUMLU OLACAKSINIZ
– GPU ve hızlandırıcı çekirdek uygulamalarının doğruluğunun gözden geçirilmesi
– Çıktıların referans uygulamalarla karşılaştırılması
– Sayısal tolerans eşiklerinin değerlendirilmesi
– Çekirdek kıyaslamalarının gözden geçirilmesi ve karşılaştırmaların adil olup olmadığının belirlenmesi
– Performans darboğazlarının ve optimizasyon fırsatlarının belirlenmesi
– Verilen donanım sınırlarına göre performans hedeflerinin gerçekçi olup olmadığının değerlendirilmesi
– Çekirdek çevirilerinin ve donanım geçişlerinin gözden geçirilmesi
– Derleme, sürücü, bellek, şekil ve çalışma zamanı sorunlarını belirleme
– Teknik görevlerin gerçekten zor mu yoksa yanlış yapılandırılmış mı olduğunun belirlenmesi
– Açık, uygulanabilir teknik geri bildirim sağlamak
NİŞAN
Çalışma Türü: Uzaktan
Katılım: Yarı zamanlı, proje bazlı danışmanlık
Odak noktası: GPU çekirdekleri, performans mühendisliği, hata ayıklama ve teknik değerlendirme
Bu rol, donanıma yakın çalışmaktan, GPU iş yüklerini optimize etmekten, düşük seviyeli performans sorunlarının hatalarını ayıklamaktan ve yapay zeka bilgi işlem sistemlerini performans sınırlarına kadar zorlamaktan hoşlanan mühendisler için idealdir.
Kaynak: AB Uzaktan İşler (https://euremotejobs.com/job/gpu-kernel-engineer-cuda-triton-accelerator- Performance/)
Bu ilan bir ortak kaynağından gelmektedir. Başvuruyu kaynak web sitesinde yapın.
Kaynak: Anyone AI
İlan Anyone AI tarafından sağlanmıştır.
