Andromeda pakub GPU-arvutusvõimsust meeskondadele, kes arendavad ja käitavad masinõppe töökoormusi. Teenus võimaldab soovi korral kasutada NVIDIA H100, H200 ja B200 kiirenditega klastreid katsetamiseks, mudelite treenimiseks ja järelduste tegemiseks. Töökoormusi saab korraldada Slurmi, Kubernetese või SSH kaudu. Kliendid saavad valida paindlikke kasutus- ja salvestusvõimalusi ning Andromeda meeskond pakub DevOpsi tuge. Ettevõte haldab ka kolmanda osapoole GPU-turgu GPUList.ai. Olemasolev profiil ei täpsusta värbamisega seotud asjaolusid ega meeskonna üksikasju.
Vanem kliendi töökindlusinsener, kaugtöö Euroopas
Lahendad Linuxi, Kubernetesi ja GPU-klastritega seotud kliendijuhtumeid ning aitad hoida Andromeda tehisintellekti arvutusinfrastruktuuri töökindlana. Töö hõlmab intsidentidele reageerimist, teenusepakkujatega suhtlemist, seiret ja töökorralduse automatiseerimist.
Kirjeldus
- Haldad kliendiprobleeme alates nende taasesitamisest kuni lahendamise, eskaleerimise ja sulgemiseni
- Diagnoosid Linuxi probleeme, mis on seotud protsesside, võrkude, salvestuse, kerneli logide, ressursikonkurentsi, systemd ja journaldiga
- Uurid Kubernetes'e tõrkeid, mis puudutavad pode, sõlmede seisundit, ajastamist ja ressursipiiranguid
- Otsid GPU-probleemide põhjuseid, näiteks draiveri- ja seadmeplugina tõrkeid, XID-vigu, termilist piirangut, sõlmede karantiini panemist või tühjendamist ning mitme sõlmega tööde ebaõnnestumist
- Eskaleerid probleemid vajaduse korral koos neid tõendava teabega
- Osaled ööpäevaringses valvegraafikus
- Reageerid häiretele ja klientide teatatud katkestustele, hindad mõju, määrad tõsiduse ning kaasad vajalikud meeskonnad
- Hoiad kliente intsidentide ajal kursis, sealhulgas olukorra seisu ja lahendamata küsimustega
- Dokumenteerid intsidendid ning muudad õppetunnid juhenditeks, häireteks või parandusteks
- Teed kindlaks, kas rike pärineb teenusepakkujalt, Andromedalt või kliendilt
- Koostad arvutusteenuste pakkujatele tugipileteid ja jälgid nende lahendamist
- Jälgid teenusepakkujate korduvaid tõrkeid ning jagad mustreid hankimise eest vastutajatega
- Automatiseerid käsitsi tehtavaid kontrolle Pythoni või Bashiga
- Arendad ja täiustad klastrite ning sõlmede seisundiseiret, GPU telemeetriat, juhtpaneele ja tegevusele suunavaid häireid
- Hoiad juhendid ja kliendidokumentatsiooni ajakohasena
Nõuded
- Praktiline Linuxi käsurea tõrkeotsingu kogemus, sealhulgas logide, protsesside, võrkude ja ketastega töötamisel
- Kubernetes'e podide, sõlmede, juurutuste, teenuste, ajastamise ja tõrgete uurimise tööalane tundmine
- Oskus automatiseerida korduvaid ülesandeid Pythoni või Bashiga
- Hea tehniline kirjutamisoskus ja oskus selgitada probleeme klientidele arusaadavalt
- Hea otsustusvõime surve all prioriteetide seadmisel, eskaleerimisel ja suhtlemisel
- Valmisolek osaleda ööpäevaringses valvegraafikus
- NVIDIA GPU-de tootmiskasutuse kogemus draiverite, CUDA, DCGM-i ja Kubernetes'e seadmepluginaga tuleb kasuks
- Suure jõudlusega võrgunduse kogemus InfiniBandi, RoCE või NCCL-iga tuleb kasuks
- HPC või Slurmi kogemus tuleb kasuks
- Kliendisuhtlusega tehniline töökogemus tugitehnikas, tehnilises kontohalduses, lahenduste pakkumises või professionaalsetes teenustes tuleb kasuks
- Prometheuse, Grafana, Datadogi või sarnaste tööriistade tundmine tuleb kasuks
- Taristu koodina haldamise kogemus Terraformi, Ansible või Helmiga tuleb kasuks
- Huvi tehisintellekti taristu ja suuremahuliste treeningtööde vastu
Hüved
- Märkimisväärne osalus ettevõttes
- Töötajate ja nende ülalpeetavate tervise-, hambaravi- ja nägemiskindlustus
- 401(k) pensioniplaan
- Piiramatu tasustatud vaba aeg
- Võimalus töötada kiiresti kasvavas tehisintellekti taristule keskenduvas ettevõttes