Специалист по параллельным вычислениям на GPU/NPU

Мы ставим перед собой масштабную цель: оказаться в числе первых в мире компаний, создавших технологию автономного управления транспортом.

Чтобы ускорить работу системы распознавания и прогнозирования и, как результат, научить автомобили и роботов-доставщиков ещё быстрее действовать в дорожных ситуациях, мы используем алгоритмы машинного обучения. Алгоритмы усложняются, их количество растёт, и наша задача — повысить эффективность их работы при ограниченных ресурсах.

Если вы увлекаетесь оптимизацией и распараллеливанием алгоритмов, а каждый потреблённый оборудованием ватт готовы пустить в дело, то вам точно у нас понравится!

Какие задачи вас ждут

• Повышение эффективности алгоритмов

Вам предстоит оптимизировать алгоритмы, учитывая аппаратные особенности платформ, автоматизировать тестирование алгоритмов и их адаптацию к платформе.

• Работа с платформами для вычислений

Вы будете исследовать современные платформы исполнения параллельных вычислений и подбирать оптимальную архитектуру параллельного исполнения алгоритмов на конкретной платформе.

Мы ждем, что вы

• Работали с PyTorch (или TensorFlow), конвертировали ML-модели в ONNX и запускали на TensorRT, ONNX Runtime, TFLite или любом другом фреймворке
• Использовали CUDA/OpenCL, оптимизировали и распараллеливали вычисления на CUDA/OpenCL или других архитектурах ускорителей
• Хорошо знаете C++, Python
• Уверенно владеете классическими структурами данных и алгоритмами
• Знакомы с линейной алгеброй, теорией вероятностей
• Можете объяснять свои решения и отстаивать их перед оппонентами
• Умеете работать в команде

Будет плюсом, если вы

• Решали прикладные задачи с помощью машинного обучения или Deep Learning
• Писали кастомные плагины для ONNX, TensorRT или любого другого фреймворка с использованием C++, CUDA, OpenCL
• Знакомы с методами сжатия, прунинга, квантизации нейросетей
• Разбираетесь в дискретной математике и теории оптимизации
• Хорошо знаете STL
• Имеете опыт индустриальной разработки, не связанной с машинным обучением