AI Software QA Engineer | Python | R&D

Firma 1dea działa w obszarze półprzewodników, zaawansowanych systemów AI oraz badań i rozwoju (R&D).

• Minimum 8 lat doświadczenia zawodowego, w tym co najmniej 3 lata pracy z systemami AI/ML, walidacją oprogramowania, inżynierią wydajności lub pokrewnymi obszarami.
• Bardzo dobra znajomość języków Python i C++, poparta doświadczeniem w tworzeniu, debugowaniu i utrzymywaniu systemów produkcyjnych.
• Praktyczne doświadczenie z frameworkami ML, takimi jak PyTorch, obejmujące tworzenie i debugowanie modeli.
• Doświadczenie z platformami do serwowania modeli oraz procesami inferencji.
• Doświadczenie w pisaniu lub modyfikowaniu kerneli GPU z wykorzystaniem Triton, CUDA lub podobnych technologii.
• Znajomość PyTest lub podobnych frameworków testowych do budowy zautomatyzowanych testów walidacyjnych i regresyjnych.
• Umiejętność pracy na wielu warstwach złożonego stosu oprogramowania – od frameworków w Pythonie, przez kompilatory i środowisko uruchomieniowe (runtime), aż po kernele.
• Bardzo dobre umiejętności analityczne i systematyczne podejście do debugowania, umożliwiające identyfikację problemów na styku frameworków, kompilatorów i runtime.
• Wykształcenie wyższe techniczne.
• Angielski na poziomie min. B2+ / C1 do międzynarodowej współpracy.

Dodatkowe atuty:

• Doświadczenie we wdrażaniu nowych architektur modeli lub obciążeń na platformach GPU lub akceleratorach AI.
• Praktyczna znajomość narzędzi do profilowania wydajności i benchmarkowania obciążeń ML.
• Umiejętność analizy kodu generowanego przez kompilator, w tym reprezentacji pośrednich (IR – Intermediate Representation).
• Doświadczenie w projektowaniu lub utrzymaniu potoków CI/CD oraz zautomatyzowanej infrastruktury testowej dla systemów ML.
• Znajomość środowisk opartych na GPU, dedykowanych akceleratorach AI oraz heterogenicznych platformach obliczeniowych.
• Znajomość wdrażania modeli ML z wykorzystaniem kontenerów oraz narzędzi do orkiestracji.

• Kompleksowa walidacja stosu oprogramowania AI poprzez tworzenie, portowanie i uruchamianie reprezentatywnych obciążeń ML odzwierciedlających rzeczywiste scenariusze użycia.
• Pisanie, optymalizacja i benchmarkowanie obciążeń AI w celu identyfikacji luk funkcjonalnych, wąskich gardeł wydajnościowych, regresji oraz problemów z użytecznością.
• Projektowanie, rozwój i utrzymanie kompleksowego zestawu testów benchmarkowych obejmujących serwowanie modeli, frameworki ML, kompilatory oraz warstwę kerneli.
• Odtwarzanie, analiza i diagnozowanie problemów w całym stosie oprogramowania – od zachowania frameworków na poziomie Pythona po poprawność skompilowanych kerneli i wydajność środowiska uruchomieniowego.
• Przeprowadzanie benchmarków wydajnościowych i profilowania (np. MLPerf) w celu monitorowania skalowalności, regresji oraz wpływu optymalizacji pomiędzy kolejnymi wersjami oprogramowania.
• Ścisła współpraca z zespołami odpowiedzialnymi za kompilatory, runtime, frameworki i kernele w celu dostarczania konkretnych informacji zwrotnych oraz szybkiego rozwiązywania problemów.
• Budowanie skalowalnych platform walidacyjnych, frameworków automatyzacji oraz infrastruktury zintegrowanej z CI, umożliwiającej ciągłe i niezawodne zapewnienie jakości.