Founding GPU Engineer

Stelle nicht auf LinkedIn

🕒 vor 19 Tagen

🇬🇧 Vereinigtes Königreich – Remote

⏰ Vollzeit

🟡 Mittelstufe

🟠 Senior

👷🏻‍♀️ Ingenieur

🇬🇧 UK-Skilled-Worker-Visum-Sponsor

Dieses Unternehmen hat in der Vergangenheit UK-Skilled-Worker-Visa gesponsert.

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mail-Benachrichtigung für neue Jobs einrichten

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen

Fuse Energy

WebsiteLinkedInAlle Stellen

11 - 50 Mitarbeiter

💼 Beratung

📦 Logistik

⚡ Energie

💰 Venture Round im 2022-09

Consulting • Logistics • Energy

Fuse Energy ist ein Energieunternehmen, das den Prozess des Wechsels von Stromanbietern vereinfacht und Echtzeit-Abrechnungsinformationen bereitstellt. Sie bieten wettbewerbsfähige Tarife im Vereinigten Königreich an und betreiben Solar- und Windprojekte, wobei sie die Gewinne in weltweite Initiativen für erneuerbare Energien reinvestieren. Fuse Energy hat das Ziel, Kunden durch ihre App transparente Abrechnungen und einen einfachen Anbieterwechsel zu ermöglichen, während sie Nachhaltigkeit fördern.

Beschreibung

• Design, implement, and optimise CUDA kernels for high-throughput, latency-sensitive workloads. • Profile and tune GPU performance across compute, memory bandwidth, and interconnect (NVLink/PCIe) bottlenecks. • Build tooling to correlate GPU cluster power draw and utilisation with real-time energy pricing and grid signals. • Optimise multi-GPU and multi-node scaling using NCCL, MPI, or similar communication libraries. • Work with data center infrastructure teams on power capping, dynamic voltage/frequency scaling, and workload scheduling strategies that reduce energy cost and carbon intensity. • Collaborate with ML/systems engineers to integrate custom kernels into training/inference pipelines. • Benchmark against CPU/GPU baselines and drive continuous performance improvements. • Contribute to internal libraries, documentation, and best practices for GPU performance engineering.

🎯 Anforderungen

• 4+ years of experience writing production CUDA code, or equivalent strong project/industry experience. • Deep understanding of GPU architecture (SMs, warps, memory hierarchy, occupancy). • Proficiency in C++ and CUDA; experience with Python for tooling/orchestration. • Experience with performance profiling tools (Nsight Systems/Compute). • Familiarity with multi-GPU/multi-node scaling (NCCL, MPI, RDMA/InfiniBand). • Strong grasp of memory optimisation, kernel fusion, and parallel algorithm design. • Comfortable working across the stack from low-level kernels to system-level infrastructure. • **Nice to Have** • Experience with Triton, cuDNN, cuBLAS, or custom ML inference/training frameworks. • Exposure to data center power/thermal management or demand-response systems. • Background in HPC, quantitative finance, or large-scale distributed systems. • Familiarity with Kubernetes/Slurm for GPU cluster orchestration. • Interest or experience in energy markets, grid systems, or sustainability-focused compute.

🏖️ Vorteile

• Competitive salary and an equity sign-on bonus. • Biannual bonus scheme. • Fully expensed tech to match your needs. • Breakfast and dinner allowance for office based employees.