Estudiante Trabajador – Rendimiento de Inferencia LLM (Estudiante Trabajador) – Múnich

Descripción de la oferta

Puesto de estudiante en prácticas en una start-up de IA (Tensordyne) centrada en la aceleración de hardware de modelos generativos. El rol ofrece una experiencia práctica de extremo a extremo en la inferencia LLM: desarrollo y optimización de kernels de bajo nivel, evaluación en silicio real, construcción de herramientas de perfilado e integración en el flujo de trabajo (Rust, Python). El/la candidato/a participará en el análisis de rendimiento, la modelización roofline, la implementación de herramientas de benchmarking y el uso de agentes de asistencia para la codificación. Colaboración estrecha con equipos de hardware y software, aprendizaje de arquitecturas de hardware para IA y oportunidad de asumir proyectos técnicos significativos. Adecuado para estudiantes de Máster en informática, ingeniería electrónica, matemáticas o un campo técnico similar que deseen una experiencia industrial en IA y sistemas de alto rendimiento.

Misiones principales

• Comprender y analizar el funcionamiento del silicio Tensordyne para la inferencia LLM
• Desarrollar y optimizar kernels de bajo nivel para la inferencia
• Construir modelos de rendimiento y comparar con las medidas en simulador y silicio
• Crear herramientas de benchmarking y perfilado para el equipo
• Integrar y experimentar con agentes de asistencia para el desarrollo
• Colaborar con equipos de compilador, runtime y kernel para traducir las observaciones en mejoras

Perfil buscado

• Inscripción en Máster (informática, EE, matemáticas o campo relacionado)
• Sólidas habilidades en programación Python y al menos C/C++ o Rust
• Comprensión de la arquitectura de computadoras, memoria y paralelismo
• Interés por el rendimiento del software y la optimización de bajo nivel
• Autonomía, rigor analítico y gusto por el trabajo en equipo