Ingeniero de Kernels de GPU – CUDA, Triton y Rendimiento de Aceleradores

• Más de 3 años de experiencia práctica desarrollando, optimizando o depurando kernels de GPU o aceleradores

• Sólida experiencia con al menos dos de los siguientes:

  • CUDA

  • Triton

  • NKI / AWS Neuron

  • Pallas / JAX

• Sólido conocimiento de la optimización del rendimiento de la GPU

• Experiencia con herramientas de perfilado de kernels como Nsight, NCU, análisis de roofline o perfiladores nativos de frameworks

• Comprensión de:

  • Ancho de banda de memoria

  • Rendimiento de cómputo (throughput)

  • Ocupación de la GPU

  • Memoria compartida

  • Presión de registros

  • Coalescencia de memoria

  • Conflictos de bancos (bank conflicts)

• Sólido conocimiento de la corrección numérica de punto flotante y los umbrales de tolerancia

• Experiencia depurando problemas de compilación de kernels y de tiempo de ejecución

• Capacidad para distinguir entre defectos de software, problemas de entorno y desafíos de optimización reales

Los candidatos deben tener experiencia en varios de los siguientes tipos de trabajo:

• Escritura de kernels a partir de especificaciones técnicas

• Traducción de kernels entre CUDA, Triton u otros frameworks

• Migración de kernels entre plataformas de hardware

• Depuración de implementaciones de kernels incorrectas

• Optimización del rendimiento de kernels

• Fusión de múltiples operaciones en kernels optimizados

• Experiencia tanto en ecosistemas de NVIDIA GPU como en aceleradores personalizados

• Experiencia con AWS Trainium, TPU, JAX u otros aceleradores

• Experiencia en ingeniería de compiladores

• Familiaridad con MLIR, XLA o reducción de representación intermedia (intermediate representation lowering)

• Contribuciones a librerías de kernels de GPU o ML

• Experiencia con cuBLAS, cuDNN, kernels de la comunidad Triton o llamadas personalizadas de JAX/XLA

• Experiencia con evaluación de modelos de IA, RLHF o desarrollo de benchmarks técnicos

Anyone AI está contratando GPU Kernel Engineers experimentados para un proyecto especializado centrado en la revisión, depuración y evaluación de kernels de computación de alto rendimiento utilizados en cargas de trabajo de IA.

Buscamos ingenieros con experiencia práctica en la escritura y optimización de kernels en frameworks como CUDA, Triton, NKI o Pallas, con un sólido conocimiento de la corrección numérica, el rendimiento de la GPU, la optimización de memoria y el benchmarking.

Trabajarás con tareas de kernels de GPU y aceleradores que implican:

• Implementación y depuración de kernels

• Optimización de CUDA y Triton

• Traducción entre frameworks de kernels

• Migración de hardware

• Fusión de operadores (operator fusion)

• Perfilado de rendimiento y benchmarking

• Verificación de la corrección numérica

• Depuración de compilación y tiempo de ejecución (runtime)

• Optimización de la jerarquía de memoria

• Rendimiento de cargas de trabajo de IA a nivel de kernel

Evaluarás si las implementaciones son técnicamente correctas, están diseñadas de forma eficiente, son reproducibles y están optimizadas adecuadamente para el hardware de destino.

• Revisar las implementaciones de kernels de GPU y aceleradores para asegurar su corrección

• Comparar resultados con implementaciones de referencia

• Evaluar los umbrales de tolerancia numérica

• Revisar los benchmarks de kernels y determinar si las comparaciones son justas

• Identificar cuellos de botella de rendimiento y oportunidades de optimización

• Evaluar si los objetivos de rendimiento son realistas dados los límites del hardware

• Revisar las traducciones de kernels y las migraciones de hardware

• Identificar problemas de compilación, controladores, memoria, forma (shape) y tiempo de ejecución

• Determinar si las tareas técnicas son realmente difíciles o si están configuradas incorrectamente

• Proporcionar feedback técnico claro y accionable

Tipo de trabajo: Remoto
Contratación: A tiempo parcial, consultoría basada en proyectos
Enfoque: Kernels de GPU, ingeniería de rendimiento, depuración y evaluación técnica

Este rol es ideal para ingenieros que disfrutan trabajando cerca del hardware, optimizando cargas de trabajo de GPU, depurando problemas de rendimiento de bajo nivel y llevando los sistemas de computación de IA hacia sus límites de rendimiento.