Andromeda hutoa uwezo wa kompyuta wa GPU kwa timu zinazounda na kuendesha kazi za ujifunzaji wa mashine. Huduma yake hutoa ufikiaji unapohitajika wa makundi ya vichapuzi vya NVIDIA H100, H200 na B200 kwa majaribio, mafunzo ya modeli na ukokotoaji wa matokeo, huku uratibu ukifanywa kupitia Slurm, Kubernetes au SSH. Wateja wanaweza kuchagua machaguo yanayoweza kubadilika ya matumizi na hifadhi, huku timu ya Andromeda ikitoa usaidizi wa DevOps. Kampuni pia inaendesha GPUList.ai, soko la GPU la wahusika wengine. Taarifa kuhusu muktadha wa kuajiri na maelezo ya timu hazijaainishwa katika wasifu unaopatikana.
Mhandisi Mkuu wa Uaminifu kwa Wateja, Ulaya Kazi ya Mbali
Hutatua matukio ya wateja katika Linux, Kubernetes na makundi ya GPU, na kusaidia kudumisha uaminifu wa miundombinu ya kompyuta ya AI ya Andromeda. Majukumu yanajumuisha kushughulikia matukio, kuratibu watoa huduma, ufuatiliaji na uendeshaji otomatiki.
Maelezo
- Simamia masuala ya wateja kuanzia kurudia tatizo hadi kulitatua, kulipeleka ngazi ya juu na kulifunga
- Tambua matatizo ya Linux yanayohusu michakato, mitandao, hifadhi, kumbukumbu za kernel, ushindani wa rasilimali, systemd na journald
- Chunguza hitilafu za Kubernetes zinazohusu pod, hali za nodi, upangaji na vikomo vya rasilimali
- Tatua matatizo ya GPU kama vile hitilafu za viendeshi na programu-jalizi za vifaa, hitilafu za XID, kupunguzwa kwa utendaji kutokana na joto, kuweka nodi kwenye cordon au drain, na kushindwa kwa kazi za nodi nyingi
- Peleka masuala ngazi ya juu ukiambatanisha ushahidi inapohitajika
- Shiriki katika zamu ya kuitwa kazini ya saa 24/7
- Jibu arifa na hitilafu za huduma zilizoripotiwa na wateja, tathmini athari, weka kiwango cha uzito na washirikishe timu zinazofaa
- Wajulishe wateja kuhusu hali wakati wa matukio, ikiwemo maendeleo na maswali ambayo hayajajibiwa
- Rekodi matukio na kubadilisha matokeo kuwa miongozo ya uendeshaji, arifa au marekebisho
- Tambua kama hitilafu zimetokana na mtoa huduma, Andromeda au mteja
- Unda na ufuatilie tiketi za usaidizi kwa watoa huduma za kompyuta
- Fuatilia hitilafu zinazojirudia za watoa huduma na kushiriki mifumo yake na watoa maamuzi wa ununuzi
- Fanya ukaguzi wa mikono kuwa otomatiki kwa kutumia Python au Bash
- Tengeneza na kuboresha ufuatiliaji wa afya ya makundi na nodi, telemetry ya GPU, dashibodi na arifa zinazowezesha hatua
- Sasisha miongozo ya uendeshaji na nyaraka za wateja
Mahitaji
- Uzoefu wa moja kwa moja wa kutatua matatizo kupitia mstari wa amri wa Linux, ikiwemo kumbukumbu, michakato, mitandao na diski
- Uelewa wa vitendo wa pod, nodi, deployment, huduma, upangaji na uchunguzi wa hitilafu za Kubernetes
- Uwezo wa kufanya kazi zinazojirudia kuwa otomatiki kwa Python au Bash
- Uwezo mzuri wa kuandika maudhui ya kiufundi na kueleza masuala kwa uwazi kwa wateja
- Uamuzi mzuri chini ya shinikizo wakati wa kupanga vipaumbele, kupeleka masuala ngazi ya juu na kuwasiliana
- Utayari wa kujiunga na zamu ya kuitwa kazini ya saa 24/7
- Uzoefu wa mazingira ya uzalishaji wa GPU za NVIDIA na viendeshi, CUDA, DCGM na programu-jalizi ya vifaa ya Kubernetes ni faida
- Uzoefu wa mitandao yenye utendaji wa juu kwa InfiniBand, RoCE au NCCL ni faida
- Uzoefu wa HPC au Slurm ni faida
- Uzoefu wa kiufundi wa kufanya kazi moja kwa moja na wateja katika uhandisi wa usaidizi, usimamizi wa akaunti za kiufundi, suluhisho au huduma za kitaalamu ni faida
- Kuzifahamu Prometheus, Grafana, Datadog au zana zinazofanana ni faida
- Uzoefu wa Miundombinu kama Msimbo kwa Terraform, Ansible au Helm ni faida
- Kuvutiwa na miundombinu ya AI na kazi kubwa za mafunzo
Manufaa
- Hisa yenye thamani
- Bima ya afya, meno na macho kwa wafanyakazi na wategemezi wao
- Mpango wa 401(k)
- Likizo ya kulipwa isiyo na kikomo
- Fursa ya kufanya kazi katika kampuni inayokua kwa kasi na inayolenga miundombinu ya AI