Soy Cristian Ramírez, ingeniero de I+D centrado en el rendimiento de sistemas de IA generativa y doctor en Ciencias de la Computación. Mi trabajo conecta la inferencia de IA, los kernels de bajo nivel, la optimización de runtimes y la arquitectura de computadores.

Trabajo actual de ingeniería

Mis responsabilidades actuales incluyen optimizar kernels de cómputo y runtimes de IA, desarrollar sistemas con agentes para optimizar el rendimiento y realizar benchmarking y profiling de aplicaciones de IA. También contribuyo al desarrollo y las pruebas de software, la revisión de código y la documentación técnica.

Trabajo con agentes de IA y vLLM para inferencia, junto con CUDA, C++ y Clang. Mi enfoque de ingeniería está en la interacción entre la pila de software de inferencia y el hardware que la ejecuta.

Busco puestos de ingeniería en inferencia de IA, optimización del rendimiento, computación con GPU y arquitectura de computadores. Quiero contribuir a equipos que implementan, perfilan y mejoran los sistemas que ejecutan aplicaciones de IA.

Investigación e implementación

De enero de 2021 a abril de 2024 trabajé como ingeniero de investigación en la Universitat Politècnica de València (UPV), desarrollando y optimizando kernels de álgebra lineal para inferencia de aprendizaje profundo en procesadores ARM y RISC-V de bajo consumo.

Como Research Assistant & Engineer, contribuí a trabajos respaldados por eFlows4HPC (Horizon 2020 / EuroHPC), el proyecto TED2021-129334B-I00 con apoyo de la UE NextGenerationEU–PRTR y el proyecto español PID2020-113656RB-C22. Los detalles de los proyectos de investigación relacionan estos programas con las publicaciones y sus reconocimientos de financiación.

Me centro en la computación eficiente para aplicaciones numéricas y de aprendizaje automático. Mi investigación abarca la multiplicación de matrices, las convoluciones de aprendizaje profundo y su implementación en procesadores RISC-V de bajo consumo. El trabajo considera tanto las operaciones aritméticas como el coste de mover datos a través de las jerarquías de memoria.

La implementación descrita en mi artículo sobre GAP8 utiliza GEMM int8 de tipo BLIS en el Fabric Controller, con empaquetado y movimiento explícito de datos a través de la jerarquía de memoria. El SDK utilizado en la evaluación publicada emulaba en software la operación de producto escalar vectorial.

Formación

  • Doctorado en Ciencias de la Computación (2020–2025). Universitat Politècnica de València (UPV). Tesis: RISC-V Low-Power Processors: Enhancing Matrix Computations and Deep Learning Convolution Algorithms.
  • Máster en Ingeniería de Sistemas Electrónicos — Sistemas Digitales (2018–2019). Universitat Politècnica de València (UPV).
  • Ingeniería en Telecomunicaciones y Electrónica (BSc, 2010–2015). UTPL.

La lista de publicaciones enlaza a los registros institucionales y conserva los títulos originales.

Competencias e intereses de ingeniería

Mi experiencia en ingeniería de investigación incluye intrínsecos ARM NEON y RISC-V Vector (RVV), programación multihilo con OpenMP e integración y validación en RTOS bajo restricciones de tiempo real y memoria. Utilizo Python y Bash para automatizar comprobaciones de corrección, pruebas de rendimiento y seguimiento de regresiones de rendimiento.

Mis intereses actuales incluyen el rendimiento de la inferencia, la computación con GPU, el comportamiento de los compiladores y los sistemas de agentes. Mi trabajo publicado aporta profundidad en computación numérica, jerarquías de memoria, RISC-V, IA embebida y codiseño de hardware y software.

Me interesan oportunidades de ingeniería en las que la implementación, el perfilado y la comprensión de la arquitectura sean centrales. Contacta conmigo.