Ingeniero IV de Aprendizaje Automático - Optimización de Rendimiento GenAI

Fundada a finales de 2020 por un pequeño grupo de ingenieros e investigadores de aprendizaje automático, MosaicML permite a las empresas ajustar, entrenar e implementar modelos de IA personalizados en sus propios datos, para una máxima seguridad y control. Compatible con todos los principales proveedores de servicios en la nube, la plataforma MosaicML proporciona la máxima flexibilidad para el desarrollo de IA. Introducidos en 2023, los modelos transformadores preentrenados de MosaicML han establecido un nuevo estándar para los LLM de uso comercial de código abierto y han sido descargados más de 3 millones de veces. MosaicML está comprometida con la creencia de que los modelos de IA de una empresa son tan valiosos como cualquier otra propiedad intelectual central, y que los modelos de IA de alta calidad deberían estar disponibles para todos.

Ahora parte de Databricks desde julio de 2023, estamos apasionados por permitir a nuestros clientes resolver los problemas más difíciles del mundo, desde hacer realidad el próximo modo de transporte hasta acelerar el desarrollo de avances médicos. Hacemos esto construyendo y ejecutando la mejor plataforma de datos e IA del mundo para que nuestros clientes puedan utilizar insigths profundos de datos para mejorar su negocio. Aprovechamos cada oportunidad para resolver desafíos técnicos, esforzándonos por empoderar a nuestros clientes con las mejores capacidades de datos e IA.

Tu realizarás:

• Explorar y analizar cuellos de botella de rendimiento en el entrenamiento e inferencia de ML
• Diseñar, implementar y comparar las bibliotecas y métodos para superar los cuellos de botella antes mencionados
• Construir herramientas para el perfilado de rendimiento, análisis y estimación para el entrenamiento e inferencia de ML
• Equilibrar el compromiso entre el rendimiento y la facilidad de uso para nuestros clientes
• Facilitar a nuestra comunidad a través de documentación, charlas, tutoriales y colaboraciones
• Colaborar con investigadores externos y las principales empresas de IA en diversos métodos de eficiencia

Buscamos:

• Experiencia práctica con las funciones internas de los marcos de aprendizaje profundo (por ejemplo, PyTorch, TensorFlow) y modelos de aprendizaje profundo
• Experiencia con bibliotecas de álgebra lineal de alto rendimiento como cuDNN, CUTLASS, Eigen, MKL, etc.
• Experiencia general con la formación y despliegue de modelos de ML
• Experiencia con tecnologías de compiladores relevantes para el aprendizaje automático
• Experiencia con el desarrollo de sistemas distribuidos o cargas de trabajo de ML distribuidas
• Experiencia práctica en la escritura de código CUDA y conocimiento de los aspectos internos de GPU (Preferido)
• Publicaciones en conferencias de ML o System de primer nivel como MLSys, ICML, ICLR, KDD, NeurIPS (Preferido)

Valoramos a los candidatos que tienen curiosidad por todas las partes del éxito de la empresa y están dispuestos a aprender nuevas tecnologías en el camino.