Infrastructure Operations Engineer (GPU Computing) - Enterprise AI

Описание компании:

Aethir – ведущая технологическая компания, работающая на переднем крае вычислительной инфраструктуры на основе GPU. Мы предлагаем передовые решения для широкого спектра отраслей, включая ИИ, машинное обучение и высокопроизводительные вычисления (HPC). Используя новейшие достижения в области аппаратного и программного обеспечения, мы предоставляем нашим клиентам непревзойденные вычислительные возможности.

О нас Эта роль:

Мы ищем высококвалифицированного и мотивированного Инженера по инфраструктурным операциям, чтобы присоединиться к нашей динамичной команде. В качестве неотъемлемого члена команды InfraOps вы будете играть ключевую роль в управлении и оптимизации нашей вычислительной инфраструктуры на базе GPU в различных местоположениях и у партнеров. Ваша цель – обеспечить максимальную производительность, масштабируемость и надежность.

Ключевые обязанности:

• Управление инфраструктурой: Развертывание, настройка и обслуживание вычислительной инфраструктуры на основе GPU, включая серверы, хранилища, сети и связующее программное обеспечение. Aethir использует вычислительные мощности от десятков провайдеров по всему миру, начиная от 4090-х и заканчивая H200.
• Мониторинг и оптимизация: Внедрение надежных систем мониторинга и оповещения для проактивного выявления узких мест производительности, ограничений на ресурсы и потенциальных сбоев. Постоянная оптимизация инфраструктуры для улучшения производительности, эффективности и экономичности.
• Автоматизация и оркестрация: Разработка скриптов и инструментов автоматизации для упрощения развертывания, настройки и управления компонентами инфраструктуры. Внедрение принципов инфраструктуры как кода (IaC) для быстрого предоставления и масштабирования.
• Безопасность и соответствие требованиям: Внедрение и соблюдение передовых практик безопасности для защиты конфиденциальных данных и обеспечения соответствия нормативным требованиям и отраслевым стандартам. Проведение регулярных аудитов безопасности и оценки уязвимостей.
• Реагирование на инциденты и устранение неполадок: Предоставление поддержки 3-го уровня по вопросам, связанным с инфраструктурой, расследование коренных причин и своевременное устранение проблем. Участие в дежурствах для реагирования на критические инциденты вне рабочего времени.
• Планирование мощности и масштабирование: Сотрудничество с межфункциональными командами для прогнозирования потребностей в ресурсах, планирования обновлений мощностей и масштабирования инфраструктуры для удовлетворения растущих нагрузок и пользовательских требований.
• Документирование и обмен знаниями: Поддержка исчерпывающей документации конфигураций инфраструктуры, процедур и рекомендаций по устранению неполадок. Обмен знаниями и лучшими практиками с членами команды для поддержания непрерывного обучения и развития навыков.

Требования:

• Опыт работы в области инфраструктурных операций, предпочтительно в роли DevOps, SRE, Sales Engineering или Solution Architect, с акцентом на вычисления на основе GPU.
• Профессиональное владение управлением вычислительной инфраструктурой на основе GPU, включая GPU NVIDIA и программирование CUDА.
• Сильные знания администрирования систем Linux и написания скриптов (например, Bash, Python).
• Опыт работы с инструментами управления конфигурациями (например, Ansible, Chef, Puppet) и системами контроля версий (например, Git).
• Знакомство с технологиями контейнеризации и оркестрации (например, Docker, Kubernetes).
• Глубокое понимание сетевых концепций, протоколов и методов устранения неполадок.
• Превосходные аналитические и проблемно-ориентированные навыки с проактивным и результат-ориентированным подходом.
• Эффективные коммуникативные навыки