Observé chez
Ingénieur performance deep learning CPU
Informatique
Informatique
Maisons-Laffitte, Barcelona
PythonCC++PyTorchTensorFlowONNX RuntimevLLMSGLangLinuxArm AArch64
Rôle
Évaluation et optimisation des performances d'inférence deep learning sur processeurs SiPearl et plateformes de référence avec analyse comparative et développement de benchmarks reproductibles.
Technologies
PythonCC++PyTorchTensorFlowONNX RuntimevLLMSGLangLinuxArm AArch64
Entités
Performance Engineering
Contextes
HPCIntelligence artificielleData centres
Compétences
BenchmarkingAnalyse de performanceOptimisation logicielleExpérimentationProfilageCommunication techniqueMéthodologie expérimentaleGestion de projet technique
Challenges détectés
5 enjeux- Optimisation
Optimiser les performances d'inférence deep learning sur CPU Arm AArch64
Technologies clés
PythonCC++PyTorchCompétences clés
BenchmarkingAnalyse de performanceOptimisation logicielle - Optimisation
Comparer les performances entre processeurs SiPearl et plateformes de référence
- Optimisation
Évaluer l'impact des stratégies de parallélisation et de placement mémoire NUMA
- Croissance
Contribuer à l'estimation des performances des futurs processeurs SiPearl
- Transformation
Explorer et évaluer les workflows agentic AI sur plateformes CPU

