Staff Software Engineer, AI/ML

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

Инженер в команду Jax Training Experience, которая развивает MaxText — открытую библиотеку Google с производительными реализациями LLM на JAX. Задача — делать распределённое обучение LLM на GCP простым, масштабируемым и быстрым.

Задачи

• Сделать MaxText лучшим решением для pre- и post-training на TPU в GCP
• Реализовывать в MaxText методы моделирования и масштабирования LLM, включая мультимодальные, Physical AI и World-модели
• Развивать и поддерживать JAX и его экосистему для клиентов GCP
• Поддерживать внедрение новых ускорителей (TPU/GPU) в GCP и участие в MLPerf
• Работать в тесной связке с product-менеджерами и партнёрскими командами над продуктами и фичами на всём их жизненном цикле

Требования

• Bachelor’s degree или эквивалентный практический опыт
• 8 лет опыта в разработке ПО
• 2 года опыта в Applied Machine Learning, включая разработку и деплой моделей
• Опыт с LLM, NLP или Generative AI
• Желательно: Master’s или PhD в Engineering, Computer Science или смежной технической области
• Желательно: 8 лет опыта с data structures и algorithms
• Желательно: 3 года опыта технического лидерства — руководство проектными командами и определение технического направления
• Желательно: опыт оптимизации производительности ML-нагрузок на CPU/GPU/TPU

Условия

• Медицинская, стоматологическая, зрительная страховка, страхование жизни и инвалидности
• Пенсионный план 401(k) с вкладом компании
• 20 дней отпуска в год
• 40 часов больничных в год (69 часов для Сиэтла), включая 5 дополнительных дней
• Декретный отпуск 28–30 недель
• 18 недель отпуска по уходу за ребёнком
• 13 оплачиваемых праздничных дней в год
• Бонус 20% от цели + equity
• Возможность выбрать предпочтительную локацию: Kirkland, WA; Seattle, WA; Sunnyvale, CA

Навыки

• Applied Machine Learning
• LLM
• NLP
• Generative AI
• JAX
• MaxText
• TPU
• GPU
• CPU
• GCP
• Google Cloud
• data structures
• algorithms
• MLPerf
• performance optimization