#senior #удаленка
METASCAN
Senior Python Developer Cybersecurity
Опыт работы: 3–6 лет
Полная занятость
График: 5/2
Формат работы: удалённо
☑️ Чем предстоит заниматься
-1) Доработка базовых классов и унификация кода, доработка внутреннего фреймворка
-2) Выкатка большого количества новых модулей поиска уязвимостей использующих наш фреймворк как "обертку"
-3) Оптимизация быстродействия кода, в частности оптимизации работы API, модели, запросов к Elasticsearch
-Реализацией базовых классов фреймворка сканера уязвимостей на Python3
-Реализацией системы тестирования разрабатываемых модулей
-Созданием новых модулей для платформы в виде оберток над утилитами\контейнерами\API (nuclei, patator, wpscan, конкретные PoC эксплойты)
-Написанием тестов (unittest/pytest) и технической документации
-Code review
-Участвовать в принятии архитектурных решений
☑️ Наши пожелания к кандидатам
-Мы ищем человека в команду разработки ядра системы - основной компоненты сканера
-Опыт продуктовой разработки на Python3
-Опыт работы с Django, DRF
-Опыт работы с Celery
-Опыт работы с MySQL, Elasticsearch
-Хорошее понимание работы Linux (systemd, iptables, bash)
-Понимание Docker - сборка образов, запуск, отладка
-Опыт работы с Git commit/pull request policies
Будет плюсом:
-Опыт работы с RabbitMQ, Redis
-Опыт работы с Ansible
-Опыт работы со сканерами уязвимостей MaxPatrol, Nessus, Acunetix или другими
-Опыт работы с BurpSuite или ZAP
-Интерес к предметной области: тестирование на проникновение, OSINT, обратная разработка
Контакты: hr@metascan.ru
Python Job в Telegram | в VK | в Max
METASCAN
Senior Python Developer Cybersecurity
Опыт работы: 3–6 лет
Полная занятость
График: 5/2
Формат работы: удалённо
☑️ Чем предстоит заниматься
-1) Доработка базовых классов и унификация кода, доработка внутреннего фреймворка
-2) Выкатка большого количества новых модулей поиска уязвимостей использующих наш фреймворк как "обертку"
-3) Оптимизация быстродействия кода, в частности оптимизации работы API, модели, запросов к Elasticsearch
-Реализацией базовых классов фреймворка сканера уязвимостей на Python3
-Реализацией системы тестирования разрабатываемых модулей
-Созданием новых модулей для платформы в виде оберток над утилитами\контейнерами\API (nuclei, patator, wpscan, конкретные PoC эксплойты)
-Написанием тестов (unittest/pytest) и технической документации
-Code review
-Участвовать в принятии архитектурных решений
☑️ Наши пожелания к кандидатам
-Мы ищем человека в команду разработки ядра системы - основной компоненты сканера
-Опыт продуктовой разработки на Python3
-Опыт работы с Django, DRF
-Опыт работы с Celery
-Опыт работы с MySQL, Elasticsearch
-Хорошее понимание работы Linux (systemd, iptables, bash)
-Понимание Docker - сборка образов, запуск, отладка
-Опыт работы с Git commit/pull request policies
Будет плюсом:
-Опыт работы с RabbitMQ, Redis
-Опыт работы с Ansible
-Опыт работы со сканерами уязвимостей MaxPatrol, Nessus, Acunetix или другими
-Опыт работы с BurpSuite или ZAP
-Интерес к предметной области: тестирование на проникновение, OSINT, обратная разработка
Контакты: hr@metascan.ru
Python Job в Telegram | в VK | в Max
🔥3❤1👍1
#senior #удаленка #гибрид #офис
Яндекс
GPU Performance Engineer
Формат работы: удалённо или гибрид
☑️ Чем предстоит заниматься
-Повышение эффективности утилизации GPU
-Вы будете формировать гипотезы и исследовать способы повышения эффективности утилизации GPU, участвовать в реализации и внедрении наиболее профитных решений. Нужно будет формировать рекомендации и лучшие практики по повышению производительности, чтобы выжимать максимум из GPU-инфраструктуры
-Оптимизация и профилирование
-В ваши обязанности войдёт поиск узких мест (bottlenecks) в производительности и их устранение с помощью профилировщиков, а также оптимизация доступа к памяти (memory access), ядер (kernels), времени ожидания (latency) и пропускной способности (throughput)
-Развитие инструментов диагностики
-Вы будете создавать и улучшать инструменты для быстрого выявления и устранения инфраструктурных проблем, которые влияют на эффективность утилизации, стабильность и сĸорость GPU-вычислений (ĸаĸ для обучения, так и для инференса)
-Исследование и внедрение современных решений
-Вам предстоит изучать новейшие подходы ĸ организации инфраструктуры для обучения и инференса, оценивать их эффективность и внедрять в реальные проекты
-Анализ архитектуры, тестирование, интеграция
-Вы будете тесно взаимодействовать с разработчиками, ML-инженерами и системными архитекторами. Предстоит участвовать в оценке аппаратных решений и предлагать улучшения для будущих поколений GPU, а также разрабатывать планы тестирования, формировать бенчмарĸи, проводить анализ регрессий производительности
☑️ Наши пожелания к кандидатам
-Знаете Python и занимались системным программированием, разрабатывали библиотеки или фреймворĸи
-Работали с фреймворĸом PyTorch и распределённым обучением через torch.distributed
-Применяете подходы параллелизации, включая data parallelism, tensor parallelism, pipeline parallelism, expert parallelism, для распределённого инференса или обучения
-Интересуетесь LLM и MLOps: понимаете задачи и вызовы, которые связаны с эксплуатацией больших моделей в продакшене
-Работали с GPU (NVIDIA) и CUDA: понимаете архитектуру GPU, разрабатывали или оптимизировали алгоритмы под CUDA, использовали Nsight, nvprof или их аналоги
-Умеете оптимизировать производительность GPU-приложений и повышать эффективность утилизации GPU
-Способны анализировать профили и метрики производительности
-Можете читать и оптимизировать сложный ĸод
-Умеете эффективно работать в команде и готовы делиться знаниями
Будет плюсом:
-Уверенно владеете C/C++ или аналогичными низкоуровневыми языками
-Работали с библиотеками RL-обучения для LLM: veRL, slime, NeMo-RL, SkyRL и другими
-Работали с библиотеками инференса: vLLM, SGLang и TRTLLM
-Имеете опыт оптимизации под реальные продаĸшен-нагрузĸи, работали с low-latency- или real-time-системами
Откликнуться
Python Job в Telegram | в VK | в Max
Яндекс
GPU Performance Engineer
Формат работы: удалённо или гибрид
☑️ Чем предстоит заниматься
-Повышение эффективности утилизации GPU
-Вы будете формировать гипотезы и исследовать способы повышения эффективности утилизации GPU, участвовать в реализации и внедрении наиболее профитных решений. Нужно будет формировать рекомендации и лучшие практики по повышению производительности, чтобы выжимать максимум из GPU-инфраструктуры
-Оптимизация и профилирование
-В ваши обязанности войдёт поиск узких мест (bottlenecks) в производительности и их устранение с помощью профилировщиков, а также оптимизация доступа к памяти (memory access), ядер (kernels), времени ожидания (latency) и пропускной способности (throughput)
-Развитие инструментов диагностики
-Вы будете создавать и улучшать инструменты для быстрого выявления и устранения инфраструктурных проблем, которые влияют на эффективность утилизации, стабильность и сĸорость GPU-вычислений (ĸаĸ для обучения, так и для инференса)
-Исследование и внедрение современных решений
-Вам предстоит изучать новейшие подходы ĸ организации инфраструктуры для обучения и инференса, оценивать их эффективность и внедрять в реальные проекты
-Анализ архитектуры, тестирование, интеграция
-Вы будете тесно взаимодействовать с разработчиками, ML-инженерами и системными архитекторами. Предстоит участвовать в оценке аппаратных решений и предлагать улучшения для будущих поколений GPU, а также разрабатывать планы тестирования, формировать бенчмарĸи, проводить анализ регрессий производительности
☑️ Наши пожелания к кандидатам
-Знаете Python и занимались системным программированием, разрабатывали библиотеки или фреймворĸи
-Работали с фреймворĸом PyTorch и распределённым обучением через torch.distributed
-Применяете подходы параллелизации, включая data parallelism, tensor parallelism, pipeline parallelism, expert parallelism, для распределённого инференса или обучения
-Интересуетесь LLM и MLOps: понимаете задачи и вызовы, которые связаны с эксплуатацией больших моделей в продакшене
-Работали с GPU (NVIDIA) и CUDA: понимаете архитектуру GPU, разрабатывали или оптимизировали алгоритмы под CUDA, использовали Nsight, nvprof или их аналоги
-Умеете оптимизировать производительность GPU-приложений и повышать эффективность утилизации GPU
-Способны анализировать профили и метрики производительности
-Можете читать и оптимизировать сложный ĸод
-Умеете эффективно работать в команде и готовы делиться знаниями
Будет плюсом:
-Уверенно владеете C/C++ или аналогичными низкоуровневыми языками
-Работали с библиотеками RL-обучения для LLM: veRL, slime, NeMo-RL, SkyRL и другими
-Работали с библиотеками инференса: vLLM, SGLang и TRTLLM
-Имеете опыт оптимизации под реальные продаĸшен-нагрузĸи, работали с low-latency- или real-time-системами
Откликнуться
Python Job в Telegram | в VK | в Max