Software Engineer, Workload Enablement

Stack

Feladatok

• ▹Kulcsfontosságú inferencia- és tréningmunkaterhelések portolása és validálása új platformokra/SKU-kra, a helyesség, teljesítmény és stabilitás belső elfogadási szintre hozása
• ▹Benchmark- és stressztesztkészlet építése, amely valós végpontok közötti viselkedést mér (CPU, GPU, memóriaalrendszer, hálózat, WAN, NVLink, RDMA kollektívák, tárolás, hőháztartás)
• ▹Elosztott tréning/inferencia teljesítményének mélyreható elemzése: kollektív teljesítmény és hangolás (NCCL/RCCL), compute/kommunikáció átfedés, kernel szintű szűk keresztmetszetek
• ▹Ismételhető tesztkeretrendszerek létrehozása CI/lab környezetekhez, amelyek konkrét kimenetet adnak (pass/fail, teljesítménypontszám, regresszió-észlelés)
• ▹Együttműködés rendszer- és flotta-bring-up mérnökökkel, hogy a platform ne csak stabil és performáns, hanem üzemeltethető és skálázható is legyen
• ▹Együttműködés beszállítókkal és belső érintettekkel, világos hibajelentések és prioritizált hibalisták készítése

Elvárások

• ▹BSc informatika vagy villamosmérnöki végzettség (vagy azzal egyenértékű gyakorlati tapasztalat)
• ▹5+ év tapasztalat ML-rendszerek, teljesítménymérnökség, elosztott rendszerek vagy HPC területén
• ▹Erős, gyakorlati PyTorch és modern LLM tréning/inferencia stack tapasztalat
• ▹Nagy léptékű elosztott tréning koncepciók ismerete (adat/modell/pipeline párhuzamosítás, kollektív kommunikáció)
• ▹RDMA-tapasztalat és kommunikációs könyvtárak (NCCL vagy RCCL) hibakeresése/optimalizálása
• ▹Python jártasság, valamint teljesítménykritikus kód olvasása/írása (C++/CUDA/HIP előny)
• ▹Erős profilozási/hibakeresési készségek (Nsight, rocprof, perf, flamegraph-ok)

Előny

• ▹Munkaterhelés-alapú benchmark-ok és stressz-/hibatesztek építése, amelyek valós éles viselkedéssel korrelálnak
• ▹Jártasság RDMA-hálózatban és transzport-hangolásban
• ▹Munkaterhelések futtatásának és validálásának tapasztalata Kubernetesben
• ▹Gyakorlati lab-tapasztalat új hardverekkel (NIC-ek, GPU-k/gyorsítók, korai rackek)

A munkáltatóról

Az OpenAI mesterségesintelligencia-kutatással és -fejlesztéssel foglalkozó vállalat, amelynek célja, hogy az általános célú mesterséges intelligencia az egész emberiség javát szolgálja. A vállalat esélyegyenlőségi munkáltatóként működik, és nem tesz különbséget faj, vallás, szín, nemzeti származás, nem, szexuális irányultság, életkor, veterán státusz, fogyatékosság, genetikai információ vagy más törvényileg védett tulajdonság alapján.