死死团
精华
|
战斗力 鹅
|
帖子
注册时间 2015-1-3
|
本帖最后由 turingki 于 2023-12-5 23:00 编辑
更新∶兼职也接,所以老板们缺纯码农或者算法,或者其他任何软件层的东西都可以私聊。
如题,坐标成都。今年33了,前后找了两次工作都没有结果。现在的工作内容很杂,很担心被裁员之后找不到工作(虽然现在本来就很难找了)。想趁着还没到35,换个不说稳定 至少能有积累的岗位。
简单说下经历吧,老板感兴趣我可以发详细简历∶
211本科,985硕。本科与硕士之间有一年脱产考研。 毕业前几年是做计算机视觉算法,卷积网络的训练和部署,以及基于视觉的系统开发都做过。
后面搞过编译器,riscv这块做过一些工作。大模型推理也了解一点,但是做的不多。
Github主页:github.com/turingki
在体系结构层面,我了解riscv和一些特定gpu架构的实现,我简单阅读过这些开源硬件的verilog实现代码,对cpu的乱序执行,多发射,分支预测有了解。同时能够理解通用gpu的一些基本概念,比如锁步,调度器,谓词寄存器等。
在软件的底层,我了解驱动、 设备树、linux 图形软件栈的一些概念(这其中包括dri, libdrm,x11, mesa3d等)。
在工具链,我了解gnu系列,包括binutils, newlib, gcc,知道如何在这些工具的基础上添加新硬件的支持。我做过给gcc 添加riscv 指令扩展的具体工作。同时,我也做过gcc中与openmp offloading有关的工作。
对于高性能计算与AI领域,我有较长的模型训练与优化部署的经验,特别是对计算机视觉领域的常用卷积网络有较为深入的实践,我了解这些模型的细节,做过针对性的剪枝,在线与离线量化等工作。
同时,我也了解机器学习的一些基本理论,比如低秩,稀疏,核方法。我读书期间的主要工作就是利用这些基本理论解视觉目标跟踪的问题。
我能够熟练使用pytorch进行模型训练。出于兴趣,我也了解pytorch 2.0 dynamo 对于python易用性与图编译器性能的折衷。
我了解图编译器的一般原理,比如torch_xla。并做过相关的工作。同时,我也做过针对具体硬件架构的底层算子优化。
作为工作的一个重要的组成部分,我了解大语言模型的一般结构,做过相关模型的推理实现,了解张量并向,流水并行等常用的大模型推理的基本实现原则。
我了解,openmpi, nccl等相关概念。 |
评分
-
查看全部评分
|