Tech jobs

huaweicanada

Open 129d North AmericaFull-timeSenior

Senior Researcher - AI Data Platforms

Canada

Huawei Canada has an immediate permanent opening for a Senior Researcher. About the team: The Emerging Storage Lab is a research group based at Huawei Canada's Toronto Research Centre that is focused on…

AI API C++ Data Lake FAISS +12 skills

SOC设计工程师

AI C++ Distributed Systems Java Kubernetes +3 skills

1. 负责SOC相关技术方案的制定，如中断方案、调试方案、功耗控制方案等； 2. 负责SOC各子系统和相关IP的设计、集成、实现和交付，包括Spec、RTL、SDC、UPF等； 3. 协同验证部门、系统软件部门，对设计进行充分的验证测试，包括不仅限于代码覆盖率、功能覆盖率、系统场景、性能测试等； 4. 提供CRG详细描述，提供和确保SDC的正确性，与中后端合作一起迭代确保时序没问题，同时还负责或者支持flatten SDC的集成。…

Software Engineer- Metadata Storage

North America

United States

About the Team: Our team plays a crucial role in the company's infrastructure landscape by offering a rich portfolio of highly available and ultimate-performance software components and foundation services to…

Turing株式会社

Ansible AWS Azure GCP GPU +3 skills

3041_インフラエンジニア / Infrastructure Engineer（GPUクラスタ）

Open 35d

3041_インフラエンジニア / Infrastructure

MiniMax

AI 可观测系统研发工程师

AI ClickHouse C++ ELK GPU +13 skills

一、一句话定位面向大模型训练、大模型推理与 Agent 运行时建设新一代可观测平台，连接硬件、网络、存储、模型框架、推理引擎和 Agent 执行轨迹，让复杂 AI 系统的异常看得见、定得准、恢复快、价值可衡量。二、为什么这个岗位重要大模型系统的问题往往横跨 GPU、网络、存储、容器、框架、推理引擎、模型行为和外部工具。我们希望建设统一的数据与诊断能力，回答三类核心问题：训练为什么中断、变慢或损失有效算力；推理为什么首…

公有云机器学习系统工程师-推理方向

AI CUDA GPU Java Kubernetes +6 skills

1、负责机器学习系统推理架构和产品的设计开发，支持火山方舟大模型平台和机器学习平台的产品业务； 2、负责深度模型推理任务为核心的在线架构设计与优化，充分利用各种异构计算（GPU、CPU、其他异构硬件）、存储（各种云存储）、网络（VPC、RDMA）等资源，构建多租环境下的稳定性、观测体系，实现高并发、高吞吐的大规模在线系统； 3、负责推理系统的产品化落地，打造稳定、可观测、体验一流的公有云推理平台。…

公有云机器学习系统工程师-调度方向

AI Containerd CUDA Docker GPU +8 skills

1、负责机器学习系统资源调度的设计和开发，支持火山方舟大模型平台和机器学习平台的产品业务； 2、负责多机房、多集群环境下的，各种异构计算（GPU、CPU、其他异构硬件）、存储（各种云存储）、网络（VPC、RDMA）等资源的最优化编排调度，在严格的多租隔离环境下，支持各种离线训练、在线推理等负载场景的调度需求，并实现整体资源的合理化、最大化利用。 1、熟练掌握Linux环境下的Go/Java/Python等1-2种语言；…

Site Reliability Engineer, Machine Learning Systems - Singapore

AI Bash Cloud Distributed Systems GPU +8 skills

Singapore

The ByteDance Large Model Team is committed to developing the most advanced AI large model technology in the industry, becoming a world-class research team, and contributing to technological and social development. The…

OpenAI

Open 131d HybridNorth AmericaFull-time

Software Engineer, Collective Communication

United States

About the Team The Workload Networking team is responsible for the collective communication stack used in our largest training jobs. Using a combination of C++ and CUDA we work on novel collective communication…

AI C++ CUDA GPU Machine Learning +3 skills

Momenta

资深模型训练优化工程师

C++ CUDA DeepSpeed LLM Python +4 skills

负责大模型训练框架研发，主要包括： 1. 基于高性能训练框架（如 Megatron-LM、DeepSpeed、VeRL）或推理框架（如 SGLang、vLLM）进行二次开发与优化； 2. 分析并优化训练阶段的性能瓶颈，包括显存占用、通信延迟、计算效率等； 3. 结合模型算法逻辑，设计和实现针对性的高效分布式并行训练策略； 4. 深入研究 CUDA、通信框架（NCCL、RDMA 等），开发高性能算子及优化分布式通信效率； 5.…

MiniMax

高性能网络专家

AI C++ gRPC Kubernetes Linux +6 skills

1. 负责公司在 AI 训练、推理、数据传输等核心场景下的高性能网络系统设计与研发； 2. 参与 RDMA、RoCEv2、DPDK 等高性能网络技术的落地与优化，构建极致低延迟、高带宽的通信能力； 3. 设计并实现用户态网络协议栈、零拷贝通信、网络 IO 加速组件，提升多节点分布式系统通信效率； 4. 跟踪主流硬件（如 SmartNIC、Mellanox/NVIDIA 网卡、PCIe…

huaweicanada

Open 129d North AmericaFull-timePrincipal

Principal Engineer - Vector Database

Canada

Huawei Canada has an immediate permanent opening for a Principal Engineer. About the team: The Distributed Data Storage and Management Lab leads research in distributed data systems, aiming to develop next-generation…

AI Cloud Cloud Native Distributed Systems FAISS +7 skills

大模型技术专家 - Seed Model

AI CUDA GPU Machine Learning Networking +2 skills

团队介绍：字节跳动 Seed 团队成立于 2023 年，致力于寻找通用智能的新方法，追求智能上限，为科技和社会发展作出贡献。 Seed 团队在 AI 领域拥有长期愿景与决心，团队研究方向涵盖 MLLM、GenMedia、AI for Science、机器人等，在中国、新加坡、美国等地设有实验室和岗位。目前，团队已推出业界领先的通用大模型以及前沿的多模态能力，支持豆包、即梦、TRAE 等超过 50…

AML-机器学习系统研发工程师

AI C++ CUDA GDB GPU +6 skills

AML是字节跳动公司的机器学习中台，为抖音/今日头条/西瓜视频等业务提供推荐/广告/CV/语音/NLP的训练和推理系统。为公司内业务部门提供强大的机器学习算力，并在这些业务的问题上研究一些具有通用性和创新性的算法。同时，也通过火山引擎将一些机器学习/推荐系统的核心能力提供给外部企业客户。此外，AML还在AI for Science，科学计算等领域做一些前沿研究。…

huaweicanada

Open 129d North AmericaFull-time

Distinguished Researcher - Computer Network and Protocol

Canada

Huawei Canada has an immediate permanent opening for a Distinguished Researcher. About the team: Huawei Computer Network and Protocol Laboratory is under the management of Kun Tan (). We have a research team in Canada…

AI Cloud Distributed Systems HPC Networking +1 skills

MiniMax

大模型训练框架研发工程师-生成模型方向

Agentic AI DeepSpeed GPU JAX PyTorch +1 skills

你将加入一支把“把万卡集群跑到极致”当日常的团队，与业内领先的通用大模型一起成长。你的核心任务是：突破大规模训练的速度、成本与稳定性的极限。你将负责的核心工作： 1. 大规模分布式训练系统研发（Scale Matters）主导 Data / Tensor / Pipeline / Expert 并行策略的研发与优化。优化高性能通信、计算通信掩盖、显存复用，提升近万卡训练的集群利用率。…

编排调度高级研发工程师（ML Infra方向）-基础架构

1、负责构建和管理字节跳动机器学习平台底层基础设施，通过在离线统一调度器支持机器学习场景编排调度方案； 2、负责机器学习场景下，优化离线任务训练资源流转效率，提升CPU/GPU资源利用率； 3、负责设计和构建下一代大规模K8S/Yarn融合场景下的资源调度系统。 1、本科及以上学历，计算机相关专业优先； 2、具备扎实的数据结构和算法基本功，熟悉常见的调度算法； 3、精通Java/C++/Go等编程语言之一或多个；…

编排调度高级研发工程师（ML Infra方向）-基础技术

1、负责构建和管理字节跳动机器学习平台底层基础设施，通过在离线统一调度器支持机器学习场景编排调度方案； 2、负责机器学习场景下，优化离线任务训练资源流转效率，提升CPU/GPU资源利用率； 3、负责设计和构建下一代大规模K8s/Yarn融合场景下的资源调度系统。 1、本科及以上学历，计算机相关专业优先； 2、具备扎实的数据结构和算法基本功； 3、熟悉Kubernetes架构，有丰富的云原生系统开发经验；…

PyTorch RDMA TensorFlow

高性能网络研发工程师-基础架构

1、负责低时延高吞吐的高速网络技术研发，以及在计算、存储、AI、机器学习、推荐等公司关键业务上的应用； 2、应用高速网络技术到虚拟机和容器网络，加速网络虚拟化场景； 3、高性能通信框架以及拥塞控制等核心技术的设计和研发； 4、高速网络平台系统研发，推动高速网络技术在字节数据中心的大规模部署； 5、通过技术创新推动高速网络技术的持续演进，打造下一代的超低时延高速互联技术。 1、精通计算机网络和网络编程，…

AI C++ Python RDMA