Senior Machine Learning Engineer, Ads ML Efficiency

Компенсация (Базовый диапазон заработной платы для этой должности составляет:): 216 700 – 303 400 долларов США в год

Reddit — это сообщество сообществ. Он построен на общих интересах, страсти и доверии, и является домом для самых открытых и аутентичных разговоров в интернете. Каждый день пользователи Reddit публикуют, голосуют и комментируют темы, которые их волнуют больше всего. Имея более 100 000 активных сообществ и примерно 130 миллионов ежедневных уникальных посетителей, Reddit является одним из крупнейших источников информации в интернете. Для получения дополнительной информации посетите Reddit.

Местоположение: Reddit имеет гибкую рабочую силу. Вы не живете рядом с нашим офисом? Не беспокойтесь: вы можете работать удаленно из любой точки США или Канады.

О команде

Команда Reddit Ads ML Efficiency занимается тем, чтобы сделать рабочие нагрузки машинного обучения быстрее, более масштабируемыми и более экономически эффективными, позволяя нашим командам Ads ML разрабатывать, запускать и масштабировать все более сложные модели.

Эта роль находится на стыке рабочих нагрузок ML, систем выполнения и инженерного рычага. Инженер будет тесно сотрудничать с командами ранжирования, владельцами сервисов и ML Platform для выявления важных узких мест, внедрения целенаправленных улучшений и связи улучшений выполнения и систем с измеримыми сквозными результатами.

Что вы будете делать

Руководить инициативами по сквозной оптимизации производительности для высокоэффективных рабочих нагрузок ML в производственной среде, от выявления узких мест и внедрения до проверки и развертывания в производственной среде.

Профилировать и диагностировать узкие места производительности ML в исполнении моделей, фреймворках, средах выполнения, памяти, использовании ЦП/ГП и инфраструктуре с помощью строгого бенчмаркинга и измерений.

Разрабатывать и внедрять улучшения производительности, связанные с выполнением инференса, поведением среды выполнения, пакетной обработкой, управлением памятью, точностью, интеграцией компилятора, пользовательскими операторами, ядрами или другими соответствующими методами.

Повышать эффективность и масштабируемость обучения и обслуживания ML, оптимизируя задержку, пропускную способность, использование оборудования и затраты, сохраняя при этом качество модели и надежность производственной среды.

Поддерживать более быстрые и безопасные запуски моделей посредством бенчмаркинга производительности, нагрузочного тестирования, обнаружения регрессий и улучшений готовности к запуску.

Сотрудничать с инженерами моделей и командами платформ для выявления высокоэффективных возможностей, безопасной интеграции оптимизаций и проверки измеримого сквозного эффекта.

Создавать повторно используемые возможности производительности, включая бенчмарки, инструменты, шаблоны оптимизации и инженерные руководства, которые ускоряют будущую разработку и развертывание моделей.

Вносить вклад в техническое направление и наставничать инженеров посредством практического сотрудничества, обзоров кода, отладки производительности и обмена знаниями.

Что мы ищем

Практический опыт в области ML-инжиниринга производительности: продемонстрированная способность диагностировать и внедрять значимые улучшения производительности в производственных или связанных с производством рабочих нагрузках ML.

Глубокая экспертиза как минимум в одной области ML-производительности, такой как выполнение инференса, ML-среды выполнения, интеграция компилятора, оптимизация ГП/ядер, системы памяти или выполнение обучения.

Сильные навыки профилирования и бенчмаркинга: способность систематически выявлять узкие места, устанавливать надежные базовые показатели и проверять измеримые сквозные улучшения.

Сильные основы программной инженерии: опыт внедрения, отладки, тестирования и поддержки систем, чувствительных к производительности, с владением Python и соответствующими технологиями системного программирования.

Понимание ML-систем: знакомство с производственными ML-фреймворками и компромиссами производительности между выполнением моделей, средой выполнения, памятью, оборудованием и инфраструктурой.

Инженерное суждение в производственной среде: способность балансировать улучшения производительности с числовой точностью, качеством модели, надежностью, поддерживаемостью и безопасным развертыванием.

Хорошее понимание клиентов и платформы: способность решать конкретные узкие места, учитывая поддерживаемость, внедрение и будущее повторное использование.

Сильные коммуникативные навыки: способность четко объяснять компромиссы инженерам и партнерским командам.

Желательно

Опыт оптимизации крупномасштабных рабочих нагрузок инференса или обучения, особенно в рекомендательных системах, ранжировании, поиске или извлечении информации.

Опыт работы с PyTorch, включая оптимизацию производительности с использованием таких технологий, как Dynamo, Inductor, AOTI, torch.export или пользовательские операторы.

Опыт работы со средами выполнения инференса, выполнением на ГП или технологиями производительности, такими как TensorRT, ONNX Runtime, CUDA, Triton, LLVM/MLIR или эквивалентными системами.

Опыт работы с аппаратной оптимизацией, включая пакетную обработку, управление памятью, слияние операторов, смешанную точность, квантование или эффективность ускорителя.

Опыт работы с производительностью распределенного обучения, включая использование ГП, связь, загрузку данных, эффективность памяти или оптимизацию времени выполнения шага обучения.

Опыт создания бенчмарков производительности, инструментов профилирования, обнаружения регрессий, возможностей готовности к запуску или инструментов наблюдаемости затрат для рабочих нагрузок ML.

Опыт работы с командами, занимающимися ML-моделированием, обслуживанием и инфраструктурой платформ.

Специализированные внутренние механизмы компилятора или разработка пользовательских ядер CUDA/Triton ценятся, но не обязательны. Мы ценим глубокие знания в области инжиниринга производительности, здравое техническое суждение и измеримое влияние на рабочие нагрузки, а не знакомство с каким-либо конкретным инструментом или фреймворком.

Льготы:

Глобальные программы льгот, соответствующие вашему образу жизни, от рабочего места до профессионального развития и поддержки ухода за близкими Поддержка семейного планирования Гендерно-аффирмативная помощь Льготы по охране психического здоровья и коучингу Групповая личная пенсионная схема с вкладом работодателя Частная медицинская и стоматологическая схема Программы замены дохода Схема «Велосипед на работу» Гибкий отпуск и оплачиваемое время для волонтерства Щедрый оплачиваемый отпуск по уходу за ребенком

Прозрачность оплаты:

Это объявление о вакансии может охватывать более одного карьерного уровня.

Помимо базовой заработной платы, эта должность дает право на получение акционерного капитала в виде ограниченных акций (RSU), и, в зависимости от предлагаемой должности, она также может давать право на получение комиссии. Кроме того, Reddit предлагает широкий спектр льгот для сотрудников в США, включая медицинское, стоматологическое и офтальмологическое страхование, программу 401(k) с вкладом работодателя, щедрый отпуск и отпуск по уходу за ребенком. Чтобы узнать больше, посетите Reddit Careers.

Чтобы обеспечить большую прозрачность для кандидатов, мы предоставляем диапазоны базовой заработной платы для всех вакансий в США, независимо от штата. Мы устанавливаем стандартные диапазоны базовой оплаты для всех должностей на основе функции, уровня и страны, сравнивая их с аналогичными развивающимися компаниями. Окончательное предложение определяется множеством факторов, включая навыки, глубину опыта работы и соответствующие лицензии/сертификаты, и может отличаться от указанных ниже сумм.

Базовый диапазон заработной платы для этой должности составляет: 216 700 — 303 400 долларов США

В отдельных ролях и регионах собеседования будут записываться, транскрибироваться и суммироваться искусственным интеллектом (ИИ). У вас будет возможность отказаться от записи, транскрипции и суммирования до любых запланированных собеседований.

Во время собеседования мы будем собирать следующие категории персональной информации: идентификаторы, профессиональная информация и информация, связанная с трудоустройством, сенсорная информация (аудио/видеозапись) и любые другие категории персональной информации, которой вы решите поделиться с нами. Мы будем использовать эту информацию для оценки вашей заявки на трудоустройство или роль независимого подрядчика, в зависимости от обстоятельств. Мы не будем продавать вашу персональную информацию или раскрывать ее третьим лицам для их маркетинговых целей. Мы удалим любую запись вашего собеседования вскоре после принятия решения о найме. Для получения дополнительной информации о том, как мы будем обрабатывать вашу персональную информацию, включая ее хранение, пожалуйста, обратитесь к нашей Политике конфиденциальности кандидатов для потенциальных сотрудников и подрядчиков.

Reddit гордится тем, что является работодателем равных возможностей, и стремится к созданию рабочей силы, представляющей разнообразные сообщества, которые мы обслуживаем. Reddit стремится предоставлять разумные приспособления для квалифицированных лиц с ограниченными возможностями и ветеранов-инвалидов в наших процедурах подачи заявок на вакансии. Если по причине инвалидности вам требуется приспособление во время процесса собеседования, пожалуйста, сообщите об этом своему рекрутеру.