高级 HPC AI 工程师
优化 LSF 和 Slurm 调度、自动化及 GPU 基础设施,支持半导体设计和 AI 工作负载。 为以色列各地的计算环境提供支持。
描述
- 负责多站点 EDA 和计算工作负载中的 LSF 与 Slurm 调度运行及优化。
- 分析调度器和基础设施性能,提升资源利用率、吞吐量并缩短周转时间。
- 构建 GPU 加速计算生态。
- 为 IC 设计创建自动化脚本和封装工具。
- 自动处理重复的运维任务并改进流程,减少人工工作并防止问题再次发生。
- 调查根本原因并提出纠正措施。
- 与客户团队合作,明确需求、说明技术权衡并解决问题。
任职要求
- 计算机科学或相关专业本科及以上学历,或具备同等经验。
- 至少五年大规模 Linux 计算基础设施运行和支持经验。
- 具备开发、微调和部署先进的基于 LLM 的解决方案的经验。
- 具备在 HPC 或芯片设计环境中支持和调优 LSF、Slurm 或类似调度器的实践经验。
- 熟练管理 Linux 系统,包括 CentOS 或 RHEL。
- 熟悉现代 CI/CD、GitOps 和基础设施即代码。
- 熟练使用 Python 和 Bash。
- 深入了解调度器配置与调优、内部机制及高级故障排查。
- 具备维护、配置、自动化、监控和排查 FLEXlm 等网络许可证的经验。
- 具备在 HPC 调度环境中应用可靠性工程实践的经验。
- 具备构建或改进可观测性系统的经验,包括指标收集、监控管道、告警和性能仪表板。
- 具备在 HPC 环境中使用 Docker、Singularity 或 Podman 等容器技术的经验。
相关职位
未找到职位
尝试调整或清除筛选条件,以查看更多机会。
