Role Summary
Deep Learning Compiler Engineer는 최신 딥러닝 모델 아키텍처를 분석하고, 다양한 프레임워크의 모델을 AI 반도체에서 효율적으로 실행할 수 있도록 파싱 및 그래프 최적화 기술을 개발하는 역할을 합니다.
PyTorch, TensorFlow, ONNX, Transformers 등 다양한 딥러닝 프레임워크로 작성된 모델을 분석하여 내부 IR(Intermediate Representation)로 변환하고, 그래프 레벨에서의 최적화를 통해 하드웨어 성능을 극대화하는 핵심 기술을 개발합니다. 최신 딥러닝 모델 구조에 대한 깊은 이해와 컴파일러 기술을 함께 발전시키고 싶은 분들께 추천드립니다.
Job Responsibilities
- 딥러닝 프레임워크(PyTorch, TensorFlow, ONNX, Transformers 등) 모델 파싱 및 IR 변환 기술 개발
- 그래프 레벨 최적화 기술 연구 및 구현 (Operator Fusion, Constant Folding, Layout Optimization 등)
- 최신 딥러닝 모델 아키텍처(Transformer, Mamba, MoE 등) 분석 및 지원
- 멀티모달 모델(Vision-Language, Audio-Visual 등) 구조 분석 및 통합 파이프라인 지원
- 새로운 연산자(Custom Op) 정의 및 분해(Decomposition) 로직 설계
Requirements
- 딥러닝 프레임워크(PyTorch, TensorFlow Transformers 등)의 내부 구조에 대한 이해
- 프로그래밍 언어(Python) 활용 능력
- 그래프 자료구조 및 알고리즘에 대한 이해
- 논리적 분석을 통한 문제 해결 능력
Preferred Qualifications
- 컴파일러 또는 딥러닝 프레임워크 개발 경험이 있으신 분
- TorchScript, TorchDynamo, FX Graph, ONNX, TVM, MLIR 등 관련 기술 경험이 있으신 분
- Attention, Convolution 등 핵심 연산의 수학적 원리에 대한 이해가 깊으신 분
- 최신 모델 아키텍처 논문을 빠르게 분석하고 구현할 수 있는 분
- 연산의 수학적 의미 및 수치적 특성을 기반으로 그래프 변환의 정합성을 판단할 수 있는 분
- Tensor shape, layout, stride 및 메모리 접근 패턴에 대한 깊은 이해를 가지신 분
- 프레임워크 내부 동작을 기반으로 한 복잡한 모델 파싱/변환 이슈를 디버깅한 경험이 있으신 분
- LLaVA, CLIP, Whisper 등 멀티모달 모델의 구조와 모달리티 간 상호작용 메커니즘에 대한 이해가 있으신 분
Hiring Process
- 서류전형 > 실무면접(1차) > 최종면접(2차) > 처우협의 > 최종합격
- 제출서류: 이력서 및 자기소개서(필수), 성적증명서(필수), 포트폴리오(선택)
- 서류전형 합격자에 한하여 개별 안내드리며, 채용절차는 사전 안내 후 변경될 수 있습니다.
Additional Information
- 신입 및 경력 입사자는 입사 후 3개월의 수습 기간이 적용됩니다.
- 장애인 및 국자유공자 등 취업 보호 대상자는 관련 법령에 따라 우대합니다.
- 지원서 및 제출 서류에 허위 사실이 확인될 경우, 채용이 취소될 수 있습니다.
