GPU Software Engineer (Graphics / ML)
Do uzgodnienia
Wymagania
- C++
- Python
- DX12
- Vulkan
- PyTorch
Opis stanowiska
We are looking for engineers to join a GPU software team working at the intersection of real-time graphics and machine learning (upscaling, denoising, artifact suppression for interactive visual applications). The work spans rendering pipelines, ML model integration and GPU performance optimization, in collaboration with graphics and driver teams.
Develop and optimize rendering and/or ML inference components for real-time visual pipelines (DX12, Vulkan, ONNX-based stacks).
Profile GPU workloads and tune for latency, memory and throughput.
Integrate ML models (super-resolution, denoising) into graphics pipelines.
Evaluate output quality using objective and perceptual metrics (PSNR/SSIM, LPIPS) and visual regression tooling.
Author clean, testable, reproducible code; collaborate with graphics, ML and platform teams.
Develop and optimize rendering and/or ML inference components for real-time visual pipelines (DX12, Vulkan, ONNX-based stacks).
Profile GPU workloads and tune for latency, memory and throughput.
Integrate ML models (super-resolution, denoising) into graphics pipelines.
Evaluate output quality using objective and perceptual metrics (PSNR/SSIM, LPIPS) and visual regression tooling.
Author clean, testable, reproducible code; collaborate with graphics, ML and platform teams.
🔍 Dekoder Ogłoszenia
🔴
working at the intersection of real-time graphics and machine learning
Praca może wymagać balansowania między dwoma odrębnymi dziedzinami, co może oznaczać potrzebę szybkiego uczenia się i adaptacji do różnych technologii.
🔴
Develop and optimize rendering and/or ML inference components
Może oznaczać, że będziesz pracować albo nad grafiką, albo nad uczeniem maszynowym, albo nad obiema dziedzinami, w zależności od potrzeb projektu.
🔴
in collaboration with graphics and driver teams
Współpraca z zespołami odpowiedzialnymi za sterowniki może oznaczać konieczność rozwiązywania problemów na niskim poziomie sprzętowym, co bywa czasochłonne.
🔴
Profile GPU workloads and tune for latency, memory and throughput
Optymalizacja wydajności GPU może być bardzo złożonym i czasochłonnym procesem, wymagającym głębokiego zrozumienia architektury GPU.
🟡
Author clean, testable, reproducible code
Chociaż brzmi to pozytywnie, może oznaczać, że oczekiwany jest bardzo wysoki standard kodu i duży nacisk na testy, co może wydłużyć czas implementacji.