Andromeda는 머신러닝 워크로드를 구축하고 실행하는 팀에 GPU 컴퓨팅을 제공합니다. 이 서비스에서는 NVIDIA H100, H200, B200 가속기가 장착된 클러스터를 필요에 따라 이용할 수 있으며, 실험, 모델 학습, 추론을 지원합니다. Slurm, Kubernetes 또는 SSH를 통해 오케스트레이션할 수 있고, 유연한 사용 및 스토리지 옵션을 선택할 수 있습니다. Andromeda 팀은 DevOps 지원도 제공합니다. 회사는 제3자 GPU 마켓플레이스인 GPUList.ai도 운영합니다. 제공된 프로필에는 채용 배경과 팀 세부 정보가 명시되어 있지 않습니다.
시니어 고객 신뢰성 엔지니어(유럽 원격 근무)
Linux, Kubernetes, GPU 클러스터에서 발생하는 고객 인시던트를 해결하고 Andromeda의 AI 컴퓨팅 인프라가 안정적으로 운영되도록 지원합니다. 인시던트 대응, 공급업체 조율, 모니터링, 운영 자동화를 담당합니다.
설명
- 문제 재현부터 해결, 에스컬레이션, 종료까지 고객 문제를 관리합니다
- 프로세스, 네트워킹, 스토리지, 커널 로그, 리소스 경합, systemd, journald와 관련된 Linux 문제를 진단합니다
- Pod, 노드 상태, 스케줄링, 리소스 제한과 관련된 Kubernetes 장애를 조사합니다
- 드라이버 및 디바이스 플러그인 장애, XID 오류, 열 스로틀링, 노드 코든 또는 드레이닝, 멀티 노드 작업 실패와 같은 GPU 문제를 해결합니다
- 필요한 경우 근거 자료를 첨부해 문제를 에스컬레이션합니다
- 연중무휴 24시간 온콜 순환 근무에 참여합니다
- 알림과 고객이 보고한 서비스 중단에 대응하고, 영향을 평가해 심각도를 지정한 뒤 적절한 팀과 협력합니다
- 인시던트 중 상태와 미해결 질문을 포함해 고객에게 진행 상황을 알립니다
- 인시던트를 기록하고 조사 결과를 런북, 알림 또는 수정 사항으로 반영합니다
- 장애 원인이 공급업체, Andromeda 또는 고객 중 어디에 있는지 파악합니다
- 컴퓨팅 공급업체에 지원 티켓을 생성하고 후속 조치를 진행합니다
- 공급업체에서 반복되는 장애를 모니터링하고 공급업체 선정 의사결정자에게 패턴을 공유합니다
- Python 또는 Bash를 사용해 수동 점검을 자동화합니다
- 클러스터 및 노드 상태 모니터링, GPU 텔레메트리, 대시보드, 실행 가능한 알림을 개발하고 개선합니다
- 런북과 고객 문서를 최신 상태로 유지합니다
지원 자격
- 로그, 프로세스, 네트워킹, 디스크를 포함한 Linux 명령줄 문제 해결 실무 경험
- Kubernetes Pod, 노드, 배포, 서비스, 스케줄링 및 장애 조사에 대한 실무 지식
- Python 또는 Bash로 반복 작업을 자동화할 수 있는 능력
- 탄탄한 기술 문서 작성 능력과 고객에게 문제를 명확하게 설명하는 역량
- 우선순위 설정, 에스컬레이션, 커뮤니케이션 과정에서 압박을 받더라도 합리적으로 판단하는 능력
- 연중무휴 24시간 온콜 순환 근무 참여 의향
- 드라이버, CUDA, DCGM, Kubernetes 디바이스 플러그인을 포함한 NVIDIA GPU 프로덕션 경험 우대
- InfiniBand, RoCE 또는 NCCL을 활용한 고성능 네트워킹 경험 우대
- HPC 또는 Slurm 경험 우대
- 지원 엔지니어링, 기술 계정 관리, 솔루션 또는 전문 서비스 등 고객 대면 기술 업무 경험 우대
- Prometheus, Grafana, Datadog 또는 유사 도구에 익숙한 분 우대
- Terraform, Ansible 또는 Helm을 사용한 Infrastructure as Code 경험 우대
- AI 인프라와 대규모 학습 작업에 대한 관심
복리후생
- 의미 있는 지분 보상
- 직원과 부양가족을 위한 의료, 치과 및 안과 보험
- 401(k) 플랜
- 무제한 유급 휴가
- AI 인프라에 집중하는 고성장 기업에서 일할 기회
