Сравним вакансию с вашим действующим резюме и составим письмо под эту роль.
Описание вакансии
Коротко о роли
to join our Research team, developing and improving the systems behind large-scale distributed training, data processing, and inference. Raise the team's experimental velocity — make it faster to launch an experiment job, get a number back you can trust, and know what to try next.
Задачи:
— Повышать скорость экспериментов команды, ускорять запуск, получение и анализ результатов.
— Поддерживать и развивать JAX фреймворк для обучения моделей, обеспечивая масштабируемость и эффективность на TPU.
— Улучшать качество данных для обучения моделей, выявлять и исправлять проблемы, повышая точность.
— Анализировать точность продакшн-моделей, строить системы оценки и определять приоритетные улучшения.
— Переводить исследовательские прототипы в продакшн-системы, рефакторить и модернизировать архитектуры и инфраструктуру.
— Оптимизировать продакшн-инференс для речевых моделей, включая архитектуру сервиса и техники квантования, спекулятивного декодирования.
— Исследовать и устранять узкие места в производительности на всех уровнях стека, от низкоуровневых ядер (XLA, Pallas) до системного дизайна.
— Сотрудничать с исследователями, инфраструктурной и продакшн-командами для выявления и устранения проблем.
Требования:
— Экспертное владение JAX и TPU, включая экосистему Flax, Optax, XLA.
— Дисциплина измерений: определять успех заранее, критически оценивать результаты.
— Готовность работать с полным пайплайном, включая данные и оценку.
— Опыт оптимизации систем инференса для продакшна, желательно с LLM или речевыми моделями.
— Глубокое понимание распределённого обучения, современных систем глубокого обучения и ML-инфраструктуры.
— Знание современных техник оптимизации инференса: непрерывная пакетизация, управление KV-кэшем, стратегии шардирования, квантование.
— Энтузиазм к рефакторингу и улучшению существующих систем.
— Сильные навыки Python; опыт C++ или Rust для низкоуровневой работы — плюс.
— Отличные коммуникативные навыки и умение работать в команде.
Бонус:
— Знания в области Speech-to-Text: архитектуры ASR, аудиопроцессинг, стриминговый инференс.
Условия:
— Удалённая работа.
— Полная занятость.
— Зарплата в США от $270,000 до $310,000 в год.
Компания AssemblyAI — лидер в области Voice AI, обрабатывает миллионы часов аудио и API вызовов ежедневно, работает в режиме meritocracy без бюрократии, с высокой степенью ответственности и влияния каждого сотрудника.
Контакты работодателя доступны по кнопке «Откликнуться» после входа.
80/100
Хорошая вакансия
Оценка от Job Hunters AI
Senior Research Engineer; понятные задачи; прозрачная оплата; гибкий формат; современный стек.
Из чего сложилась оценка. Нажмите, чтобы узнать подробнее
Понятные задачи
Задачи подробно описаны: ускорение экспериментов, поддержка JAX фреймворка на TPU, улучшение качества данных, оптимизация инференса и устранение узких мест.
Из объявления
to join our Research team, developing and improving the systems behind large-scale distributed training, data processing, and inference. … Raise the team's experimental velocity — make it faster to launch an experiment job, get a number back you can trust, and know what to try next. … Maintain and evolve our JAX training framework, keeping it scalable and efficient for large-scale distributed trai
Мэтч и сопроводительное
Сравним вакансию с вашим действующим резюме и составим письмо под эту роль.