Разработчик систем параллельных вычислений на GPU/NPU в Автономный транспорт

Навыки

• AI-инструменты в работе
• Алгоритмы и структуры данных
• C++
• CUDA / ONNX / TensorRT
• Machine Learning
• Python
• PyTorch

О компании и продукте

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

Задачи

• Разработчик систем параллельных вычислений на GPU/NPU в Автономный транспорт
• 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
• 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
• Больше о бэкенде в Яндексе — в канале Yandex for Backend

Требования

• 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
• От 3 лет
• Санкт-Петербург
• 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

Будет плюсом

• 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
• Офисы в Санкт-Петербурге
• Офисы в Москве
• Как мы нанимаем hardware-инженеров

Паспорт вакансии

История публикации

Откуда что взялось

Отмечено то, что вывели мы. Без пометки — значение назвал работодатель.

Почему на этом месте в выдаче

Порядок выдачи объявлен контрактом: свежесть решает между днями, полнота и зарплата — внутри дня.