Текст заказа
Разработчик систем параллельных вычислений на GPU/NPU в Автономный транспорт
Компания: Яндекс
Город: Москва
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