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) > 임원면접(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.