직무 소개
최첨단 AI 연구소의 모델을 학습시키고 평가하는 데 사용되는 Neuron Kernel Interface(NKI) 개발 작업의 품질, 정확성 및 하드웨어 적합성을 평가합니다. CUDA→NKI 마이그레이션 충실도, Trainium 특화 성능 최적화의 품질, 플랫폼 간 수치 정확성 기준을 평가하고, 명확한 루브릭 기반의 서면 피드백을 제공하게 됩니다.
기본 자격 요건
- AWS Trainium/Inferentia2 하드웨어를 대상으로 Neuron Kernel Interface(NKI)를 사용하여 커널을 개발하거나 최적화한 2년 이상의 실무 경험
- NKI 특유의 개발 패턴(타일 기반 연산, SBUF/PSUM/HBM 메모리 계층 관리, 파티션 차원 제약, DMA 오케스트레이션)에 대한 깊은 이해
- CUDA→NKI 마이그레이션 품질을 평가해 본 입증된 경험
- Trainium 특화 성능 프로파일링(NeuronCore 파이프라인 활용도, 텐서 엔진 처리량, 메모리 대역폭 병목)에 대한 이해
- 플랫폼 간 수치 정확성 기준(GPU와 Trainium의 누산 순서, 반올림 동작, 혼합 정밀도 의미론)을 정의하거나 평가해 본 경험
우대 사항
- AWS Neuron SDK, Neuron Compiler 내부 구조에 대한 직접적인 경험 또는 NKI 커널 라이브러리에 대한 기여
- CUDA 또는 Triton 커널 개발 경험
- Trainium 하드웨어 사양(NeuronCore-v2 아키텍처, 온칩 SRAM 토폴로지, 지원 데이터 타입: FP32/BF16/FP8/INT8)에 대한 이해
- Trn1/Trn2 인스턴스에서 ML 학습 워크로드를 벤치마킹해 본 경험