Infrastructure Operations Engineer (GPU Computing) - Enterprise AI

Descripción de la Empresa:

Aethir es una empresa de tecnología pionera en la vanguardia de la infraestructura informática basada en GPU. Proveemos soluciones de vanguardia para una amplia gama de industrias, incluyendo IA, aprendizaje automático y computación de alto rendimiento (HPC). Al aprovechar los últimos avances en hardware y software, empoderamos a nuestros clientes con capacidades computacionales incomparables.

Estamos buscando un Ingeniero de Operaciones de Infraestructura altamente calificado y motivado para unirse a nuestro equipo dinámico. Como un miembro integral del equipo de InfraOps, jugarás un papel clave en la gestión y optimización de nuestra infraestructura informática basada en GPU en múltiples ubicaciones y socios. Tu objetivo será asegurar el máximo rendimiento, escalabilidad y fiabilidad.

Gestión de Infraestructura: Desplegar, configurar y mantener la infraestructura informática basada en GPU, incluyendo servidores, almacenamiento, redes y la pila de software asociada. Aethir facilita computación desde docenas de proveedores en todo el mundo, que van desde 4090s hasta H200s.

Monitoreo y Optimización: Implementar sistemas robustos de monitoreo y alerta para identificar cuellos de botella de rendimiento, restricciones de recursos y posibles fallos de manera proactiva. Optimizar continuamente la infraestructura para mejorar el rendimiento, eficiencia y rentabilidad.

Automatización y Orquestación: Desarrollar scripts y herramientas de automatización para agilizar el despliegue, configuración y gestión de componentes de infraestructura. Implementar principios de infraestructura como código (IaC) para permitir una provisión y escalado rápidos.

Seguridad y Cumplimiento: Implementar y hacer cumplir las mejores prácticas de seguridad para proteger datos sensibles y asegurar el cumplimiento de las regulaciones y estándares de la industria. Realizar auditorías de seguridad regulares y evaluaciones de vulnerabilidad.

Respuesta a Incidentes y Solución de Problemas: Proporcionar soporte de nivel 3 para problemas relacionados con la infraestructura, investigar las causas raíz e implementar resoluciones oportunas. Participar en rotaciones de guardia para responder a incidentes críticos fuera del horario laboral regular.

Planificación de Capacidad y Escalado: Colaborar con equipos multifuncionales para pronosticar requisitos de recursos, planificar actualizaciones de capacidad y escalar la infraestructura para acomodar cargas de trabajo y demandas de usuarios crecientes.

Documentación y Compartición de Conocimientos: Mantener documentación integral de las configuraciones de infraestructura, procedimientos y guías de solución de problemas. Compartir conocimientos y mejores prácticas con los miembros del equipo para fomentar el aprendizaje continuo y el desarrollo de habilidades.

Requisitos:

Experiencia en operaciones de infraestructura, preferiblemente en un rol de DevOps, SRE, Ingeniería de Ventas o Arquitecto de Soluciones enfocado en computación con GPU. Competencia en la gestión de infraestructura informática basada en GPU, incluyendo GPUs NVIDIA y programación CUDA. Fuerte experiencia en administración de sistemas Linux y scripting de shell (p. ej., Bash, Python). Experiencia con herramientas de gestión de configuración (p. ej., Ansible, Chef, Puppet) y sistemas de control de versiones (p. ej., Git). Familiaridad con tecnologías de contenedorización y orquestación (p. ej., Docker, Kubernetes). Sólida comprensión de conceptos de redes, protocolos y técnicas de solución de problemas. Excelentes habilidades analíticas y de resolución de problemas, con una mentalidad proactiva y orientada a resultados. Habilidades de comunicación efectivas y la capacidad de colaborar de manera efectiva con equipos multifuncionales. Experiencia con plataformas de computación en la nube (p. ej., AWS, Azure, GCP) y arquitecturas de nube híbrida. Conocimiento de marcos de HPC y sistemas de programación de trabajos (p. ej., Slurm, PBS Pro). Familiaridad con bibliotecas y marcos acelerados por GPU (p. ej., TensorFlow, PyTorch, CUDA Toolkit). Comprensión de principios y prácticas de ciberseguridad, incluyendo cifrado, controles de acceso y detección/prevención de amenazas. Bonus: Conocimiento de Web3 (criptomonedas, tokenización de RWAs, minería/staking, etc.) y flu