HPC infrastruktúra megbízhatósági mérnök (SRE)

Stack

Feladatok

• ▹Kritikus HPC/AI infrastruktúra üzemeltetése 24/7 ügyeletben
• ▹GPU-alapú HPC rendszerek hibaelhárítása több rétegen át
• ▹Új HPC környezetek teljesítményértékelése és üzembe helyezési tesztelése
• ▹Megfigyelhetőség (observability) és automatizálás fejlesztése
• ▹Együttműködés hálózati, platform-SRE és adatközponti csapatokkal
• ▹Visszacsatolás az infrastruktúra-tervezési döntésekhez

Elvárások

• ▹Nagy léptékű, elosztott rendszerek üzemeltetésében szerzett tapasztalat
• ▹Friss, gyakorlati HPC és AI infrastruktúra tapasztalat
• ▹Erős Linux és elosztott rendszerek ismeret
• ▹NVIDIA GPU ökoszisztéma és RDMA hálózatok (RoCE, InfiniBand) ismerete
• ▹Tapasztalat bare metal, hálózat, tárolás, virtualizáció és orchestration terén

Előny

• ▹Legújabb, nagy sűrűségű AI compute platformok ismerete
• ▹Teljesítmény-validálási és benchmarking tapasztalat
• ▹Ansible, Prometheus, Grafana eszközök használata

Soft skillek

Amit kínálunk

• ▹Hozzáférés a legmodernebb GPU/CPU platformokhoz
• ▹Munka a világ legfejlettebb HPC infrastruktúráin

A munkáltatóról

Gyorsan növekvő GPU-as-a-Service szolgáltató, amely skálázható, nagy teljesítményű compute infrastruktúrát biztosít AI és HPC munkaterhelésekhez globális adatközpontokban.