Tarun Sunkaraneni работает в Amazon над программным обеспечением вокруг моделей машинного обучения: подготовкой данных для обучения, развёртыванием моделей и подачей данных на GPU. Известен примером мультимодального обучения, где загрузка GPU выросла с 15% до 90% за счёт перестройки конвейера данных, и репозиторием vllm-openai-hf с упаковкой vLLM для Hugging Face Inference Endpoints. До этого работал в Microsoft над Azure Bicep, а в 2020 году окончил Университет Юты, где исследовал трансформеры для анализа психотерапевтических диалогов. Доклады посвящены узким местам в данных при обучении моделей.
Темы докладов: Инфраструктура и надёжность и Обучение, RL, дообучение.
AI Engineer World's Fair 20261
От 15% до 90% загрузки GPU: исправьте конвейер данных, а не модель
AI Engineer World's Fair 2026