ML Infrastructure Engineer

Vaga não está no LinkedIn

🕒 Maio 12

🌐 Estados Unidos, Holanda – Remoto

🇺🇸 Estados Unidos – Remoto (EUA) 🇳🇱 Holanda – Remoto

🏄 California – Remoto

🏄 California – Remote

⏰ Tempo Integral

🟡 Pleno

🟠 Sênior

👷 Engenheiro de Infraestrutura

👻 Score fantasma 50%

O que significa: quão provável esta vaga está aberta sem contratação ativa.Como ler: 60% ou mais significa que achamos que é uma vaga fantasma. Pontuações mais baixas preocupam menos.Como pontuamos: tempo em aberto, republicações, vagas abertas vs tamanho do time, rapidez para fechar vagas, e se o salário está divulgado.Observação: é uma estimativa de dados públicos, não um julgamento da empresa. Vagas reais podem ter pontuação alta, então use como uma dica, não como um fato.

Candidatar-se

Encontrar Vagas Remotas Similares

Configurar Alerta de Email para Novas Vagas

📊 Verifique sua pontuação de currículo para esta vaga

Melhore suas chances de conseguir uma entrevista verificando sua pontuação de currículo antes de se candidatar.

Enviar Currículo

Nebius Group

SiteLinkedInTodas as Vagas

1001 - 5000 funcionários

🤖 Inteligência Artificial

🏢 Corporativo

☁️ SaaS

Artificial Intelligence • Enterprise • SaaS

O Nebius Group está construindo uma das principais empresas de infraestrutura de IA do mundo, focando em fornecer os recursos de computação, armazenamento e ferramentas necessários para desenvolvedores no espaço de IA. Com sede na Europa e listado na Nasdaq, o Nebius tem uma presença global com centros de P&D em toda a Europa, América do Norte e Israel. A principal oferta da empresa é uma plataforma de nuvem centrada em IA projetada para cargas de trabalho intensivas de IA, complementada por vários outros negócios envolvidos em desenvolvimento de IA generativa, edtech e tecnologia autônoma.

Descrição

• Work closely with hardware, development teams to profile and analyse GPU performance at the system and kernel level. • Evaluate and compare GPU performance across different platforms, architectures, and software stacks (e.g.,CUDA, ROCm). • Debug and optimise ML workloads to run efficiently on GPU hardware, identifying and resolving performance bottlenecks. • Perform acceptance testing for new GPU clusters, ensuring hardware and software meet performance, stability, and compatibility requirements for AI workloads. • Perform experiments across diverse GPU system configurations to assess the impact of varying interconnect strategies and system-level optimisations on performance and scalability. • Develop tools and dashboards to visualise performance metrics, bottlenecks, and trends. • Contribute to internal tooling, frameworks, and best practices

🎯 Requisitos

• A profound understanding of theoretical foundations of machine learning • Deep understanding of performance aspects of large neural networks training and inference (data/tensor/context/expert parallelism, offloading, custom kernels, hardware features, attention optimisations, dynamic batching etc.) • Deep experience with modern deep learning frameworks (PyTorch, JAX, Megatron-LM, Tensort-LLM) • Good understanding of the GPU stack: CUDA,NCCL, drivers, and relevant libraries • Familiarity with containerized environments (e.g., Docker, Kubernetes). • Strong communication and ability to work independently

🏖️ Benefícios

• Competitive compensation • Career growth and learning opportunities • Flexibility and work-life balance • Collaborative and innovative culture • Opportunity to work on impactful AI projects • International environment and talented teams