ML Engineer in Katowice

NOETIK to firma zajmująca się nowatorskimi terapiami, wykorzystująca AI do głębokiego zrozumienia biologii człowieka i redefiniowania wyników klinicznych w onkologii. Wykorzystując największy własny multimodalny zbiór danych onkologicznych, NOETIK łączy głębokie profilowanie przestrzenne z rutynowymi testami klinicznymi. Modele AI NOETIK precyzyjnie dopasowują cele terapeutyczne do podpopulacji pacjentów i dokładnie przewidują skuteczność kliniczną. To podejście oparte na AI podnosi rozwój terapii z probabilistycznych zgadywanek do precyzyjnej nauki.

KLUCZOWE OBOWIĄZKI

• Projektowanie, budowanie i rozwijanie systemów do rozproszonego treningu modeli i wnioskowania wsadowego w miarę wzrostu obciążenia Noetik.
• Opracowywanie przepływów pracy dla śledzenia eksperymentów, oceny modeli i zarządzania rejestrami modeli, które wspierają reprodukowalność w cyklu życia ML.
• Profilowanie i optymalizacja wydajności treningu i wnioskowania w kodzie modelu PyTorch, ładowaniu danych, wykorzystaniu GPU, użyciu pamięci, komunikacji rozproszonej i punktach kontrolnych.
• Budowanie narzędzi CLI, SDK i narzędzi do przesyłania zadań, które ułatwiają przejście od eksperymentów do dużych uruchomień z minimalną wiedzą o infrastrukturze.
• Rozwój i obsługa niezawodnej, obserwowalnej i efektywnej kosztowo infrastruktury GPU przy użyciu technologii takich jak Kubernetes, AWS, Ray, Kueue, Docker, Terraform i wysokowydajnego sieciowania.
• Bezpośrednia współpraca z badaczami ML w celu rozwiązywania problemów, zrozumienia ewoluujących potrzeb badawczych i przekształcania ich w ulepszenia platformy wspierające szybką iterację.
• Używanie nowoczesnych narzędzi i agentów rozwoju AI w całym procesie inżynieryjnym w celu przyspieszenia implementacji, debugowania, profilowania, testowania, eksploracji i konserwacji.

KWALIFIKACJE

• Silne podstawy inżynierii oprogramowania oraz doświadczenie w budowaniu i obsłudze produkcyjnych systemów uczenia maszynowego.
• Praktyczne doświadczenie w rozproszonym treningu modeli w środowisku produkcyjnym lub badawczym na dużą skalę.
• Silne zrozumienie koncepcji treningu wielo-GPU i rozproszonego, w tym wyzwań związanych z wydajnością i niezawodnością przy skalowaniu obciążeń ML na wielu maszynach.
• Doświadczenie w pracy z PyTorch lub podobnym frameworkiem głębokiego uczenia, z umiejętnością czytania, profilowania, debugowania i modyfikowania kodu treningu i wnioskowania modeli.
• Doświadczenie w identyfikowaniu i rozwiązywaniu wąskich gardeł wydajności w obciążeniach ML, w tym wykorzystania GPU, potoków danych, pamięci, komunikacji rozproszonej i infrastruktury.
• Komfortowa praca bezpośrednio z infrastrukturą chmurową i obliczeniową, w tym kontenerami, Kubernetes, systemami GPU, przechowywaniem, sieciowaniem i obliczeniami rozproszonymi.
• Doświadczenie w budowaniu narzędzi lub platform, które poprawiają doświadczenie dewelopera badaczy lub inżynierów uczenia maszynowego.
• Umiejętność debugowania złożonych problemów obejmujących kod modeli, ramy rozproszone, infrastrukturę i zasoby obliczeniowe.
• Umiejętność równoważenia niezawodności i standaryzacji z szybkością i elastycznością wymaganą w szybko zmieniającym się środowisku badawczym.
• Komfortowe korzystanie z narzędzi i agentów kodowania AI jako kluczowej części procesu rozwoju oprogramowania, zachowując wysoki standard poprawności, utrzymywalności i zrozumienia budowanych systemów.
• Silne umiejętności współpracy i zdolność do bliskiej współpracy z badaczami ML w celu zrozumienia ich przepływów pracy, identyfikacji tarć i budowania systemów, które czynią je bardziej efektywnymi.
• Współpraca w niskim ego, z naciskiem na rozwiązywanie problemów jako zespół i znajdowanie najlepszego rozwiązania, a nie bycie w błędzie.
• Zazwyczaj kilka lat doświadczenia w pracy z produkcyjnymi systemami ML, rozproszonym treningiem lub infrastrukturą ML. Zależy nam bardziej na wykazanej głębokości i wpływie niż na konkretnej liczbie lat.

MILE WSKAZANE

• Doświadczenie z Ray, Kubernetes, Kueue, MLflow, Terraform lub podobnymi technologiami infrastruktury i orkiestracji ML.
• Doświadczenie z wysokowydajnym sieciowaniem GPU i technologiami komunikacji rozproszonej, takimi jak NCCL lub EFA.
• Doświadczenie w optymalizacji treningu modeli na dużą skalę pod kątem przepustowości, efektywności pamięci, punktów kontrolnych lub wykorzystania obliczeń.
• Doświadczenie w budowaniu systemów wnioskowania wsadowego na dużą skalę lub infrastruktury serwującej modele online.
• Doświadczenie w obsłudze klastrów GPU w AWS lub innym dużym środowisku chmurowym.
• Doświadczenie z nowoczesnymi podejściami do treningu rozproszonego, takimi jak FSDP, DeepSpeed lub podobne ramy.
• Doświadczenie z narzędziami profilującymi, debugowaniem wydajności na poziomie CUDA lub innymi technikami optymalizacji GPU na niskim poziomie.

Wierzymy, że najwyżej wydajne zespoły składają się z ludzi o różnorodnych doświadczeniach, którzy szanują się nawzajem i wyzwają się nawzajem. Jesteśmy zobowiązani do otwartej, różnorodnej i inkluzywnej kultury dla wszystkich pracowników. NOETIK jest dumnym pracodawcą oferującym równe szanse i nie dyskryminuje ze względu na rasę, kolor, status obywatelski, pochodzenie narodowe, przynależność etniczną, płeć, orientację seksualną, wiek, religię, przekonania, niepełnosprawność fizyczną lub psychiczną, stan zdrowia, stan cywilny, status weterana oraz inne cechy chronione przez obowiązujące przepisy federalne, stanowe i lokalne.