AI engineer

MWDN Ltd.; Warszawa; On-site; PLN 250,000 - 370,000; Full time

Benefits offered by this job

Управление с ориентиром на людей

Дружелюбная культура компании

Гибкий график работы

29 дней оплачиваемого отпуска

10 оплачиваемых восстановительных дней

Полная финансовая и юридическая помощь

Бесплатные курсы английского языка

Выделенная HR поддержка

Job summary

MWDN Ltd. в Москве ищет высокотехнологичного инженера/исследователя с глубокой экспертизой по CUDA и вычислениям на GPU для работы над задачами на стыке ИИ и высокопроизводительных вычислений.

Идеальный кандидат обладает опытом инференса LLM, знаниями архитектурыGPU и владением фреймворками vLLM, SGLang, TensorRT-LLM, Triton и FlashAttention. Требуется хороший уровень английского и исследовательский опыт.

Qualifications

• Сильный практический опыт CUDA и GPU-программирования.
• Глубокое понимание архитектуры GPU, иерархии памяти и оптимизации.
• Опыт работы с инференсом LLM, AI-системами, GPU-ядрами или HPC.
• Знание фреймворков vLLM, SGLang, TensorRT-LLM, Triton, FlashAttention.
• Опыт отладки сложных проблем производительности и анализа низкоуровневого поведения системы.
• Умение объяснять технические концепции на английском языке.
• PhD или исследовательский опыт; публикации / вклад в open-source GPU/LLM инфраструктуру; опыт с PyTorch internals и распределенным инференсом.

Responsibilities

• Исследование и оптимизация производительности инференса LLM на современных GPU.
• Анализ исполнения, шаблонов памяти и производительности ядер.
• Разработка и отладка CUDA-ядр и низкоуровневых операций.
• Поиск методов оптимизации умножения матриц и attention.
• Построение бенчмарков и поиск путей снижения задержек и увеличения пропускной способности.
• Работа над сложными задачами с аналитическим подходом и практическими экспериментами.

Skills

CUDA

GPU programming

Performance optimization

Analytical thinking

English communication

Education

PhD in Computer Science / ML

Publications / contributions to open-source GPU/LLM

Tools

vLLM

SGLang

TensorRT-LLM

Triton

FlashAttention

PyTorch

Job description

Описание

MWDN is a global IT outstaffing company with 23+ years of experience that connects exceptional tech talent with leading companies across Israel, the USA, Great Britain, and Western Europe. We offer opportunities to work on international products in a stable and professional environment. We’re looking for a highly technical engineer or researcher with deep expertise in GPU computing, CUDA, and LLM inference optimization to work on challenging problems at the intersection of AI systems and high-performance computing.

Задачи

Investigate and optimize LLM inference performance on modern GPUs. Work with inference and serving frameworks such as vLLM, SGLang, TensorRT-LLM, or similar systems. Analyze GPU execution, memory access patterns, kernel performance, and inference bottlenecks. Develop, optimize, debug, or reverse-engineer CUDA kernels and low-level GPU operations. Explore optimization techniques for matrix multiplication, attention mechanisms, and neural network layers. Benchmark performance and identify opportunities to improve latency, throughput, and GPU utilization. Work on technically challenging problems requiring strong analytical thinking and hands-on experimentation.

Требования

Strong hands-on experience with CUDA and GPU programming. Deep understanding of GPU architecture, memory hierarchy, parallel execution, and performance optimization. Experience with LLM inference, AI systems, GPU kernels, or high-performance computing. Familiarity with one or more frameworks such as vLLM, SGLang, TensorRT-LLM, Triton, or FlashAttention. Experience debugging complex performance issues and investigating low-level system behavior. Strong problem-solving skills and the ability to communicate complex technical concepts in English. Будет плюсом: PhD or research experience in Computer Science, Machine Learning, Computer Architecture, or a related field; Publications, research projects, or meaningful contributions to open-source GPU/LLM infrastructure; Experience with PyTorch internals, distributed inference, quantization, KV cache optimization, or custom GPU kernels; Contributions to projects such as vLLM, SGLang, Triton, FlashAttention, or related repositories

Условия

• People-first management with minimal bureaucracy
• A friendly company culture, proven by employees who choose to return
• Flexible working hours
• 29 days of PTO (18 working days per year pluse all national holidays)
• 10 paid recovery days
• Full financial and legal support for independent contractors
• Free English classes, with native speakers or Ukrainian teachers
• Dedicated HR support