AI & GPU Inference Engineer — Flexible Hours, 29 PTO

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

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.