CUDA Engineer

Автоматический пересказ вакансии на русском. Полный текст на языке оригинала и форма отклика — на сайте работодателя.

Инженер-исследователь с глубокой экспертизой в GPU-вычислениях, CUDA и оптимизации инференса LLM. Работа на стыке AI-систем и высокопроизводительных вычислений над сложными задачами производительности.

Задачи

• Исследовать и оптимизировать производительность инференса LLM на современных GPU
• Работать с фреймворками инференса и сервинга: vLLM, SGLang, TensorRT-LLM и аналогичными
• Анализировать выполнение на GPU, паттерны доступа к памяти, производительность ядер и узкие места инференса
• Разрабатывать, оптимизировать, отлаживать или реверс-инжинирить CUDA-ядра и низкоуровневые GPU-операции
• Исследовать методы оптимизации матричного умножения, механизмов внимания и слоёв нейросетей
• Проводить бенчмарки и находить возможности улучшения latency, throughput и загрузки GPU
• Решать технически сложные задачи, требующие аналитического мышления и практических экспериментов

Требования

• Сильный практический опыт с CUDA и программированием на GPU
• Глубокое понимание архитектуры GPU, иерархии памяти, параллельного выполнения и оптимизации производительности
• Опыт с инференсом LLM, AI-системами, GPU-ядрами или высокопроизводительными вычислениями
• Знакомство с одним или несколькими фреймворками: vLLM, SGLang, TensorRT-LLM, Triton, FlashAttention
• Опыт отладки сложных проблем производительности и исследования низкоуровневого поведения систем
• Сильные навыки решения задач и умение объяснять сложные технические концепции на английском

Условия

• People-first менеджмент с минимальной бюрократией
• Дружелюбная корпоративная культура
• Гибкий рабочий график
• 29 дней PTO (18 рабочих дней в год плюс все национальные праздники)
• 10 оплачиваемых дней восстановления
• Полная финансовая и юридическая поддержка для независимых контракторов
• Бесплатные занятия английским с носителями или украинскими преподавателями
• Выделенная поддержка HR

Навыки

• CUDA
• GPU programming
• vLLM
• SGLang
• TensorRT-LLM
• Triton
• FlashAttention
• PyTorch
• LLM inference
• quantization
• KV cache optimization