Присоединяйтесь к нашей команде в качестве инженера по производительности машинного обучения в Jane Street

О роли

Мы ищем опытного инженера, специализирующегося на программировании низкого уровня и оптимизации, для усиления нашей команды машинного обучения (ML). В Jane Street ML является неотъемлемой частью нашей динамичной, глобальной торговой операции. Наш передовой торговый процесс идеально подходит для быстрых экспериментов с ML и беспрепятственной интеграции новых технологий.

На этой роли вы будете сосредоточены на оптимизации производительности модели, занимаясь как фазами обучения, так и реализацией вывода. Ваш опыт в эффективном масштабировании обучения и системах реального времени с низкой задержкой, наряду с высокопроизводительным выводом для исследований, будет жизненно важен. Вы будете добиваться улучшений не только в CUDA, но и через комплексный подход к архитектуре систем, включая оптимизацию хранения, сетевых и GPU-технологий.

Ключевые обязанности

Помимо повышения пропускной способности и минимизации задержки, ваши обязанности будут включать в себя глубокий анализ и оптимизацию наших платформ на микроуровне. Мы заинтересованы в кандидатах, которые могут ставить под сомнение эффективность и эффективность наших систем и стремятся исследовать новые решения.

Хотя предпосылки в финансах не являются необходимостью, любопытство и жажда решения сложных проблем объединяют многих из нас перед тем, как присоединиться к Jane Street.

Предпочитаемые навыки и опыт

Мы ценим разнообразие навыков и опыта, включая:

• Глубокое понимание современных алгоритмов и фреймворков машинного обучения
• Умение выявлять и оптимизировать производительность обучения и вывода ML
• Практический опыт с архитектурами GPU и инструментами оптимизации CUDA, такими как CUDA GDB, Nsight Systems и Nsight Compute
• Знание библиотек типа Triton, CUTLASS и cuBLAS
• Понимание сетевых технологий, таких как Infiniband и NVLink, критически важных для объединения кластеров GPU
• Прочные знания технологий распределенного обучения с использованием GPU,