Reino Unido
Nominal
Tech Lead, Gemini Inference Performance, DeepMind
Reino Unido
London, England, United Kingdom
Traducción automática. Consulta el original.
CUALIFICACIONES MÍNIMAS: *
- Título de Grado o experiencia práctica equivalente. *
- 8 años de experiencia en desarrollo de software. *
- 5 años de experiencia en gestión de personal, supervisión/liderazgo de equipos. *
- 5 años de experiencia en un rol de liderazgo técnico y supervisión de proyectos.
CUALIFICACIONES PREFERENTES: *
- Máster o Doctorado en Ingeniería, Informática o campo técnico relacionado. *
- 5 años de experiencia trabajando en una organización compleja y matricial.
SOBRE EL PUESTO
La inteligencia artificial será uno de los inventos más transformadores de la humanidad. En Google DeepMind, somos un laboratorio pionero de IA con equipos interdisciplinarios excepcionales centrados en avanzar el desarrollo de la IA para resolver desafíos globales complejos y acelerar la innovación de productos de alta calidad para miles de millones de usuarios. Utilizamos nuestras tecnologías para el beneficio público generalizado y el descubrimiento científico, asegurando que la seguridad y la ética sean siempre nuestra máxima prioridad.
Estamos ampliando los límites en múltiples dominios. Nuestros equipos globales ofrecen diversas oportunidades de aprendizaje y trayectorias profesionales variadas para aquellos impulsados a lograr resultados excepcionales a través del esfuerzo colectivo.
RESPONSABILIDADES: *
- Establecer la hoja de ruta técnica para un equipo de ingenieros de rendimiento, apoyar y desarrollar a los subordinados directos, y dirigir la priorización entre oportunidades de optimización en competencia, centrándose en los problemas de mayor apalancamiento. *
- Aprovechar el análisis de techo (roofline analysis), la perfilación a nivel de hardware y el análisis de sistemas para identificar y eliminar cuellos de botella de rendimiento en marcos de ML, compiladores, kernels personalizados e infraestructura de servicio en aceleradores de hardware. *
- Aplicar una comprensión basada en principios fundamentales de los componentes de modelos Transformer y Mixture-of-Experts para identificar y priorizar oportunidades de optimizar su eficiencia de ejecución y huella de memoria. *
- Colaborar con los equipos de investigación en las primeras etapas del ciclo de desarrollo para evaluar las implicaciones de la inferencia, modelando cómo las elecciones arquitectónicas impactan la latencia, la huella de memoria y los costos de servicio. *
- Guiar y contribuir al desarrollo de kernels personalizados y optimizaciones de servicio. Realizar una perfilación de rendimiento profunda utilizando herramientas de trazado de hardware para analizar la utilización del acelerador, la saturación del ancho de banda de memoria y la latencia de interconexión en topologías a gran escala.
Más oportunidades con un solo perfil
¿Quieres optar a más puestos sin repetir todo el proceso? Crea tu perfil para que te encuentren las empresas que usan Nort.
Crear mi perfil