Разработчик систем параллельных вычислений на GPU/NPU в Автономный транспорт
Мы ставим перед собой масштабную цель: оказаться в числе первых в мире компаний, создавших технологию автономного управления транспортом.
Чтобы ускорить работу системы распознавания и прогнозирования и, как результат, научить автомобили и роботов-доставщиков ещё быстрее действовать в дорожных ситуациях, мы используем алгоритмы машинного обучения. Алгоритмы усложняются, их количество растёт, и наша задача — повысить эффективность их работы при ограниченных ресурсах.
Если вы увлекаетесь оптимизацией и распараллеливанием алгоритмов, а каждый потреблённый оборудованием ватт готовы пустить в дело, то вам точно у нас понравится!
Повышение эффективности алгоритмов
Вам предстоит оптимизировать алгоритмы, учитывая аппаратные особенности платформ, автоматизировать тестирование алгоритмов и их адаптацию к платформе.
Работа с платформами для вычислений
Вы будете исследовать современные платформы исполнения параллельных вычислений и подбирать оптимальную архитектуру параллельного исполнения алгоритмов на конкретной платформе.
Больше о бэкенде в Яндексе — в канале Yandex for Backend
- Работали с PyTorch (или TensorFlow), конвертировали ML-модели в ONNX и запускали на TensorRT, ONNX Runtime, TFLite или любом другом фреймворке
- Использовали CUDA/OpenCL, оптимизировали и распараллеливали вычисления на CUDA/OpenCL или других архитектурах ускорителей
- Хорошо знаете C++, Python
- Уверенно владеете классическими структурами данных и алгоритмами
- Знакомы с линейной алгеброй, теорией вероятностей
- Можете объяснять свои решения и отстаивать их перед оппонентами
- Умеете работать в команде
- Решали прикладные задачи с помощью машинного обучения или Deep Learning
- Писали кастомные плагины для ONNX, TensorRT или любого другого фреймворка с использованием C++, CUDA, OpenCL
- Знакомы с методами сжатия, прунинга, квантизации нейросетей
- Разбираетесь в дискретной математике и теории оптимизации
- Хорошо знаете STL
- Имеете опыт индустриальной разработки, не связанной с машинным обучением
