Мы управляем одним из самых дефицитных и самых дорогих ресурсов компании — графическими процессорами (GPU). Их эффективное использование критически важно для работы ключевых сервисов Яндекса. Наша миссия — обеспечить максимальную отдачу и эффект от каждой GPU-карты.
Какие задачи вас ждут:
Повышение эффективности утилизации GPU Формировать гипотезы и исследовать способы повышения эффективности утилизации GPU, участвовать в реализации и внедрении наиболее профитных решений. Формировать рекомендации и лучшие практики по повышению производительности.
Оптимизация и профилирование Находить узкие места в производительности и устранять их с помощью профилировщиков, оптимизировать доступ к памяти, время ожидания и пропускную способность.
Развитие инструментов диагностики Создавать и улучшать инструменты для быстрого выявления и устранения инфраструктурных проблем, которые влияют на эффективность утилизации, стабильность и скорость GPU-вычислений.
Исследование и внедрение современных решений Изучать новейшие подходы к организации инфраструктуры для обучения и инференса, оценивать их эффективность и внедрять в проекты.
Анализ архитектуры, тестирование, интеграция Взаимодействовать с разработчиками, ML-инженерами и системными архитекторами. Участвовать в оценке аппаратных решений и предлагать улучшения для будущих поколений GPU.
Мы ждём, что вы:
- Знаете Python и занимались системным программированием
- Работали с фреймворком PyTorch
- Оптимизировали производительность GPU-приложений и повышали эффективность утилизации GPU
- Работали с GPU (NVIDIA) и CUDA
- Применяете подходы параллелизации для распределённого инференса или обучения
Будет плюсом, если вы:
- Уверенно владеете C/C++ или аналогичными низкоуровневыми языками
- Работали с библиотеками RL-обучения для LLM
Наши бонусы: Яндекс — это комьюнити. Тут есть и спортивные клубы, и книжный клуб, и киберспортивное сообщество.
OTUS
Stepik · Samsung AI Center