Наша команда разрабатывает сервисы, которые позволяют быстро поднять подсчёт нейронных моделей и использовать их в продакшне. Это может быть лёгкая сетка на CPU или большой трансформер на миллиарды параметров, который нужно считать на сотнях тысяч RPS за 30 мс в Q99. Помимо этого, нужно, чтобы новые сервисы поднимались легко, в них сразу было многоуровневое кеширование, мониторинги, доставка и дообучение моделек и многое другое.

Мы должны делать так, чтобы:

- ML-инженеры любого уровня и в любой части Яндекса могли использовать этот сервис в своём проекте буквально «по кнопке».

- Ресёрч новых моделей и доставка их в эксперимент и продакшн были максимально простыми и быстрыми.

- Запросы выполнялись быстро, а CPU/GPU использовались с наибольшей утилизацией.

Какие задачи вас ждут

Развитие коробочного решения для инференса

Сейчас у нас реализована core-часть сервиса, но, чтобы сделать решение по-настоящему удобным, предстоит реализовать множество таких идей и наработок, как динамическая балансировка, многоуровневый in-memory/disk/remote-кеш, динамические конфиги. Также вам нужно будет развивать инструменты для поднятия сервиса в облаке.

Помощь с внедрением решения по всей компании

По всей компании не менее 20 команд, занимающихся эксплуатацией ML-моделей. Чтобы сделать решение удобным для всех и позволить быстро проводить эксперименты, необходимо постоянно взаимодействовать с нашими заказчиками и реализовывать необходимый для них функционал, например новые бэкенды для применения нейросетей, или оказывать консультацию по поднятию новых инсталляций.

Сравнение с общемировыми аналогами

Для создания хорошего и конкурентного решения нам надо всегда смотреть по сторонам и перенимать лучшие практики и идеи. Для этого мы занимаемся качественным анализом аналогичных решений, как для кода инференса (Triton Inference Server, KServe), так и для поднятия сервиса в системах деплоя (Seldon Core, Kubeflow). А также нам необходимо следить за трендами инференса и заранее готовить инфраструктуру для новых размеров и типов моделей.

Мы ждём, что вы

- Имеете опыт в программировании не менее двух лет

- Хорошо владеете C++ или готовы быстро разобраться

- Знаете про Concurrency на C++ или Linux

Будет плюсом, если вы

- Разрабатывали высоконагруженные сервисы на C++

- Разворачивали и эксплуатировали сервисы для ML Inference на CPU/GPU

- Слышали про Triton, TRT-LLM

- Знакомы с устройством нейронных моделей, в свободном режиме следите за новинками в области

- Знаете системы Unix/Linux (устройство процессов, файловой системы, системных вызовов и др.)

Больше о команде

Наша команда — это служба из 10 человек, которая сейчас масштабируется для амбициозных целей. Часть команды занимается базовой технологией и отвечает за внедрение сервиса на всю компанию — делает так, чтобы сервис работал эффективно и удобно для разных команд. Другая часть команды занимается сервисами инференса в рекламе, где огромные нагрузки (сотни тысяч RPS), много железа (сотни тысяч ядер, сотни GPU) и прямое влияние на зарабатывание денег.

Все ребята из сильнейших вузов, многие окончили ШАД или прямо сейчас там учатся. Большая часть команды ходит в офис в Москве, так как мы любим не только решать задачи, но и находиться в кругу заинтересованных людей.

Мы любим сходить в бар вечерком, поиграть в настольные игры или просто съесть пиццу после удачного запуска. Периодически ездим в кампусы, обсуждаем технологии. Если вы любите делать сложные ответственные проекты в компании сильных и заинтересованных людей, то приходите к нам :)

Узнать больше

-

Рекламные технологии

-

Офисы в Москве

-

Офисы в Минске

-

Как в Яндексе проходят алгоритмические секции собеседований

-

Как мы нанимаем бэкенд-разработчиков

-

Задачи для подготовки к собеседованиям