Founding ML / Systems Engineer в Helix Accel

О компании

Мы строим интеллектуальный вычислительный слой для биологии.

Современная биоинформатика опирается на мощные, но разрозненные инструменты (Scanpy, Seurat, RAPIDS, Parabricks). При этом:

• пайплайны фрагментированы
• решения принимаются вручную
• методы часто применяются “вслепую”
• вычисления не оптимальны по скорости и стоимости

Наша цель — изменить это.

Мы создаём систему, которая:

• анализирует биологические датасеты
• автоматически выбирает оптимальный пайплайн
• управляет CPU / GPU / sparse вычислениями
• измеряет производительность и стоимость
• проверяет корректность биологического результата

В долгосрочной перспективе это приведёт к созданию нативного вычислительного стека для биологии — от софта до облака и специализированного железа.

Роль

Мы ищем технического лида, который возглавит разработку ключевой платформы.

Это роль уровня 0→1. Вам предстоит:

• спроектировать архитектуру системы
• определить стратегию оптимизации
• построить core performance layer
• сформировать инженерную культуру

Вы будете работать напрямую с фаундером и научным лидом по биологии, превращая сложную техническую идею в реальный продукт для биотеха и фармы.

Что вы будете строить

🔹 Краткосрочно (0–6 месяцев)

• MVP Bio Compute Optimizer:
  • оркестрация CPU vs GPU
  • движок выполнения пайплайнов
  • слой бенчмаркинга и метрик
• Интеграции с:
  • Scanpy / Seurat
  • RAPIDS / cuML
• Улучшение:
  • скорости выполнения
  • потребления памяти
  • стоимости вычислений

🔹 Среднесрочно (6–18 месяцев)

• Продвинутый оптимизатор:
  • dataset-aware execution planning
  • работа с разреженными данными (CSR / CSC)
  • approximate алгоритмы (KNN, графы)
• Распределённые вычисления:
  • multi-GPU
  • кластерные системы
• Продакшн-система:
  • API
  • облачная платформа
  • enterprise deployment

🔹 Долгосрочно

• Собственные ядра (kernels) для биологических задач
• Bio Sparse / Bio Graph compute engines
• Оптимизация под конкретное железо
• Движение к специализированной вычислительной архитектуре для биологии

Технологический стек и задачи

Вы будете работать с:

• GPU-программированием (CUDA, Triton, cuML, CuPy)
• Оптимизацией разреженных матриц (CSR / CSC)
• Графовыми алгоритмами (KNN, clustering)
• Оркестрацией пайплайнов
• Управлением памятью и перемещением данных
• Распределёнными вычислениями
• Performance benchmarking

Идеальный кандидат

Обязательно:

• 5–10+ лет опыта в инженерии
• Сильное системное мышление
• Опыт в одной из областей:
  • GPU / HPC
  • ML-инфраструктура
  • высоконагруженные системы
• Опыт построения performance-critical систем

Плюс:

• CUDA / Triton
• ML-инфраструктура (PyTorch, JAX, distributed training)
• Численные методы / scientific computing
• Работа с большими данными

Дополнительный плюс:

• Опыт в биоинформатике / геномике
• RAPIDS, FAISS, графовые системы
• Стартап-опыт

Что для нас важнее всего

• Умение мыслить с первых принципов
• Чувство узких мест в производительности
• Комфорт с неопределённостью
• Способность быстро реализовывать решения

Не подойдёт, если вы:

• Предпочитаете только исследовательскую работу без продуктовой части
• Хотите работать по заранее заданному плану
• Не готовы к условиям ранней стадии стартапа

Почему это интересно

Биология становится одной из самых data-intensive индустрий, но её вычислительный стек сильно отстаёт.

Это возможность:

• создать новую категорию (Bio Compute Layer)
• работать на стыке:
  • AI
  • системного программирования
  • life sciences
• построить инфраструктуру, которая может стать стандартом в индустрии
• возможность переезда зарубеж

Условия

• Значимая доля (equity)
• Зарплата — обсуждается после поднятия seed капитала (продвинутое обсуждения с потенциальными инвесторами в США)
• География — гибкая