Andromeda
Andromeda
A Andromeda oferece capacidade de computação com GPUs para equipes que desenvolvem e executam cargas de trabalho de aprendizado de máquina. Seu serviço oferece acesso sob demanda a clusters de aceleradores NVIDIA H100, H200 e B200 para experimentação, treinamento de modelos e inferência, com orquestração por meio de Slurm, Kubernetes ou SSH. Os clientes podem escolher opções flexíveis de uso e armazenamento, enquanto a equipe da Andromeda oferece suporte de DevOps. A empresa também opera a GPUList.ai, um marketplace de GPUs de terceiros. O perfil disponível não especifica o contexto de contratação nem os detalhes da equipe.

Engenheiro(a) sênior de confiabilidade do cliente, remoto na Europa

Investigue incidentes de clientes em Linux, Kubernetes e clusters de GPU e ajude a manter confiável a infraestrutura de computação de IA da Andromeda. A função abrange resposta a incidentes, coordenação com provedores, monitoramento e automação operacional.

Descrição

  • Gerenciar problemas de clientes desde a reprodução até a resolução, o escalonamento e o encerramento
  • Diagnosticar problemas de Linux relacionados a processos, redes, armazenamento, logs do kernel, contenção de recursos, systemd e journald
  • Investigar falhas de Kubernetes envolvendo pods, condições dos nós, agendamento e limites de recursos
  • Solucionar problemas de GPU, como falhas de drivers e plugins de dispositivo, erros XID, limitação térmica, isolamento ou drenagem de nós e falhas em trabalhos com vários nós
  • Escalonar problemas com evidências de apoio quando necessário
  • Participar de um rodízio de plantão 24/7
  • Responder a alertas e interrupções relatadas por clientes, avaliar o impacto, definir a gravidade e envolver as equipes adequadas
  • Manter os clientes informados durante incidentes, incluindo o status e as dúvidas ainda não resolvidas
  • Registrar incidentes e transformar as descobertas em runbooks, alertas ou correções
  • Identificar se as falhas têm origem no provedor, na Andromeda ou no cliente
  • Criar e acompanhar tickets de suporte com provedores de computação
  • Monitorar falhas recorrentes de provedores e compartilhar padrões com as pessoas responsáveis pelas decisões de contratação
  • Automatizar verificações manuais usando Python ou Bash
  • Desenvolver e aprimorar o monitoramento da integridade de clusters e nós, a telemetria de GPU, os painéis e os alertas acionáveis
  • Manter runbooks e documentação para clientes atualizados

Requisitos

  • Experiência prática na solução de problemas pela linha de comando do Linux, incluindo logs, processos, redes e discos
  • Conhecimento prático de pods, nós, deployments, serviços, agendamento e investigação de falhas no Kubernetes
  • Capacidade de automatizar tarefas repetitivas com Python ou Bash
  • Ótima redação técnica e capacidade de explicar problemas com clareza aos clientes
  • Bom discernimento sob pressão ao priorizar, escalonar e se comunicar
  • Disponibilidade para participar de um rodízio de plantão 24/7
  • Experiência em produção com GPUs NVIDIA, drivers, CUDA, DCGM e o plugin de dispositivo do Kubernetes é um diferencial
  • Experiência com redes de alto desempenho, como InfiniBand, RoCE ou NCCL, é um diferencial
  • Experiência com HPC ou Slurm é um diferencial
  • Experiência técnica voltada ao cliente em engenharia de suporte, gestão técnica de contas, soluções ou serviços profissionais é um diferencial
  • Familiaridade com Prometheus, Grafana, Datadog ou ferramentas semelhantes é um diferencial
  • Experiência com infraestrutura como código usando Terraform, Ansible ou Helm é um diferencial
  • Interesse em infraestrutura de IA e trabalhos de treinamento em grande escala

Benefícios

  • Participação acionária significativa
  • Cobertura médica, odontológica e oftalmológica para funcionários e dependentes
  • Plano 401(k)
  • Tempo livre remunerado ilimitado
  • Oportunidade de trabalhar em uma empresa em rápido crescimento focada em infraestrutura de IA

Vagas relacionadas

F

Liderança de Ensino – IA e Competências do Futuro

Franklin Institute of Applied Sciences / Pioneer People GmbH
11 – 50 Funcionários
B2BEducação

Lidere as operações de ensino remoto em toda a Alemanha, orientando equipes e definindo padrões de qualidade, desenho curricular e programas de aprendizagem escaláveis. Impulsione a educação focada em IA e aprimore processos com base no feedback dos participantes, em dados de desempenho e nas oportunidades trazidas por tecnologias emergentes.

Abrir
Supermicro

Gerente de marketing técnico de IA empresarial

Supermicro

Transforme a infraestrutura de IA da Supermicro baseada em NVIDIA em mensagens claras para empresas, conteúdo de lançamento e materiais de apoio a vendas. Lidere programas conjuntos de entrada no mercado com a NVIDIA.

Abrir
Capital Group

Principal de estratégia de IA empresarial

Capital Group
5.001 – 10.000 Funcionários
Patrocinador de visto H1BB2CFinançasFintech

Lidere a estratégia de transformação de IA da Capital Group, aconselhando líderes de negócios e identificando oportunidades de alto valor. Desenvolva casos de negócio, cenários e roteiros de investimento para gestão de investimentos e funções relacionadas.

Abrir
Worldwide Clinical Trials

Engenheiro(a) de IA de implantação avançada, área comercial

Worldwide Clinical Trials

Desenvolva soluções de IA com Databricks, Salesforce e grandes modelos de linguagem para as equipes comerciais da Worldwide Clinical Trials. Aprimore a prospecção, as propostas, as licitações e as decisões sobre o pipeline em uma função remota disponível em estados elegíveis dos EUA.

Abrir
Reece USA

Evento de contratação da Reece Plumbing em Charlotte e Charleston

Reece USA

Conheça as equipes da Reece Plumbing em Charlotte, na Carolina do Norte, ou Charleston, na Carolina do Sul, e participe de entrevistas na hora para diversas vagas. Leve seu currículo e esteja preparado para uma entrevista presencial.

Abrir