Senior gépi tanulási mérnök – kutatásoptimalizálás

Stack

Feladatok

• ▹Kísérleti modellek termelésre alkalmassá tétele (konténerizáció, tesztek, CI/CD)
• ▹PyTorch tanítási feladatok profilozása, GPU-kihasználtság javítása, elosztott tanítási stratégiák (FSDP, DDP, DeepSpeed) alkalmazása
• ▹Kísérletek jól strukturált könyvtárakká alakítása tiszta API-kkal, függőségkezeléssel és verziózással
• ▹Sablonok, példák és útmutatók készítése a fejlesztői élmény javítására
• ▹Szolgáltatások műszerezése metrikákkal, naplózással, nyomkövetéssel, SLI/SLO-k beállítása, tanítási és következtetési teljesítmény és költség optimalizálása

Elvárások

• ▹Erős szoftvermérnöki alapok és kiváló Python-tudás, jártasság notebookok és prototípusok termelésminőségű szolgáltatásokká alakításában
• ▹ML rendszerek termelésbe szállításának tapasztalata (konténerek, API-k, CI/CD), lehetőleg monorepo környezetben
• ▹Gyakorlati tapasztalat PyTorch tanítás vagy következtetés optimalizálásában, munkaterhelések profilozásában, GPU-memória, számítási kapacitás és átviteli sebesség terén
• ▹Jártasság konténerizált környezetekben, Kubernetes fogalmak ismerete ML munkaterhelések hibakereséséhez és javításához
• ▹Kutatási kód olvasásának és tiszta, jól dokumentált absztrakciókká alakításának képessége
• ▹Szolgáltatás-megbízhatóság és megfigyelhetőség (metrikák, nyomkövetés, naplózás) ismerete ML rendszerekre alkalmazva
• ▹Felhőtapasztalat (AWS előny) mélyreható specializáció nélkül is

Előny

• ▹Jártasság modellkiszolgáló/optimalizáló eszközökben (pl. ONNX, TorchScript, Triton, kvantálás)
• ▹Tapasztalat CUDA kernelek írásában vagy optimalizálásában, illetve fordítási keretrendszerek (torch.compile, Triton, TensorRT) használatában
• ▹Tapasztalat elosztott tanítási keretrendszerekkel (FSDP, DDP, DeepSpeed, Megatron) jelentős léptékben
• ▹Jártasság nagy teljesítményű tárolórendszerekben (Weka, Vast, Lustre)
• ▹Tapasztalat kísérletezési platformokkal (feature flagek, A/B tesztelés) és biztonságos rollout-stratégiákkal
• ▹Háttértudás multimodális/képgeneráló rendszerekben vagy LLM-hez kapcsolódó eszközökben
• ▹MLOps gyakorlatok ismerete (modellregiszterek, artifact tárolók, függőség-/verziókezelés)

Soft skillek

Amit kínálunk

• ▹Részvényjuttatási csomagok
• ▹Befogadó szülői szabadság-politika minden szülő és gondviselő számára
• ▹Éves Vibe & Thrive juttatás
• ▹Rugalmas szabadságolási lehetőségek

A munkáltatóról

A Canva CORE csapata azon dolgozik, hogy a kutatási innovációk gyorsabban jussanak el több millió felhasználóhoz, a képzési és következtetési munkafolyamatok gyorsabbá, olcsóbbá és megbízhatóbbá tételével.