H
プリンシパルAIインフラストラクチャエンジニア
Hut 8のGPUネイティブ基盤であるHighrise AIのGPUクラスター導入と最適化を主導します。 本番稼働への準備、性能検証、Tier 3の信頼性サポートを担います。
仕事内容
- 設置済みのAIクラスターを本番環境に導入し、顧客への引き渡しに備えます。
- BIOS/BMC、ファームウェア、GPUドライバー、オペレーティングシステム、クラスターソフトウェア全体のシステム基準を設定し、検証します。
- ベアメタルの自動プロビジョニング、イメージ展開、ノード設定、ライフサイクル管理のワークフローを拡張します。
- カーネル、ドライバー、アクセラレーター、ホストの性能設定など、LinuxおよびGPUシステムの設定とトラブルシューティングを行います。
- プラットフォーム、ネットワーク、運用チームと連携し、KubernetesとSlurmを統合して検証します。
- NVIDIA Field Diagnostics、L11/L12検証、バーンイン、安定性検査、ハードウェア健全性の適格性確認を実施します。
- NCCL通信テスト、GPUベンチマーク、ノード、ラック、クラスターにまたがる分散ワークロードの性能を分析します。
- GPU、NVLink/NVSwitch、PCIe、RDMA、InfiniBand、Ethernetの性能問題を解決します。
- 設定上のボトルネックを特定し、スループット、レイテンシー、拡張効率、クラスターの信頼性を改善します。
- 技術的な受け入れ基準、テスト記録、欠陥管理、修正確認、稼働準備に関する提言を管理します。
- コンピュートノード、GPUソフトウェア、プロビジョニング、スケジューリング、性能低下に関わる複雑な本番障害をエスカレーションし、解決します。
- 根本原因を調査し、ベンダーのエンジニアリング部門へのエスカレーションを調整して、是正措置を主導します。
- フリートのアップグレード、設定変更、クラスター拡張、保守後の計画的な検証を支援します。
- SRE、NOC、現地サポートチーム向けに診断ツール、自動化、運用手順書、運用引き継ぎ資料を作成します。
- インフラエンジニアリング、現地運用、OEM、ソフトウェア、プラットフォームの各チームと連携し、スタック横断の問題を解決して納期目標を達成します。
- 技術状況、ベンチマーク結果、リスク、受け入れに関する提言をエンジニアリング責任者や関係者に報告します。
応募要件
- コンピューターサイエンス、工学、または関連分野の学士号、もしくは同等の実務経験。
- Linuxシステムエンジニアリング、HPC、クラウド、大規模インフラのいずれかで8年以上の実務経験があり、上級レベルのトラブルシューティング経験を有すること。
- GPUまたはHPCクラスターを本番環境に導入し、性能と信頼性の目標に照らしてシステムを認定した経験。
- Linux、Python/Bash/Ansibleによる自動化、ベアメタルプロビジョニング、構成管理、システム診断に関する高いスキル。
- NVIDIA GPUプラットフォーム、NCCL、Field Diagnostics、マルチノード性能テストの実務経験。
- KubernetesとSlurmの実務経験。
- 高速Ethernet、InfiniBand/RDMA、並列または分散ストレージに関する知識。
- ハードウェア、ファームウェア、オペレーティングシステム、分散ワークロードにまたがる複雑な問題を切り分ける能力。
- テスト、文書化、根本原因分析、継続的改善を体系的に進める姿勢。
- 経験豊富なエンジニアと協力しながら、技術的な判断を独立して行い、実行する能力。
- エンジニアリング責任者、ベンダー、現地スタッフ、顧客対応担当者と明確にコミュニケーションできること。
- クラスターの導入、受け入れ、複雑なトラブルシューティングのためにデータセンターへ出張できること。
- 通常の勤務時間外に発生する重大なインシデントや保守作業を柔軟に支援できること。
福利厚生
- 大規模AIクラスターの性能、信頼性、本番稼働への準備に直接貢献できます。
- 経験豊富なインフラエンジニアと協力できます。
- 成長を続けるグローバルAIインフラプラットフォームの技術標準づくりに携われます。
- さまざまな学歴や職歴を持つ同僚と協働できます。
- 新しい製品、サービス、取り組みを経営幹部に提案できます。
- 実力を重視する環境で、キャリア段階の異なるチームメンバーから学べます。
- テクノロジー、エネルギー、インフラ分野で専門的なネットワークを築けます。
- 勤務地に応じて、ハイブリッドまたはリモートの柔軟な働き方が可能です。
関連求人
Travere Therapeutics エンタープライズインフラエンジニアリング・運用ディレクター（サンディエゴ、ハイブリッド勤務）
Travere Therapeutics
希少疾患領域のバイオ医薬品企業 Travere Therapeutics で、クラウド、モダンワークプレイス、企業インフラの近代化を推進します。 エンジニアを率いながら、ベンダー、セキュリティ、運用、レジリエンスを統括する、実務も担うリーダー職です。
開く
インフラ・クラウドセキュリティ主任エンジニア
Verizon
Verizonのエンタープライズネットワークにおけるインフラおよびクラウドセキュリティのガバナンスを主導します。自動化によってリスク報告を改善し、ゼロトラスト設計を支援するとともに、防御的なサイバーセキュリティ施策に携わります。
開く
