Senior HPC AI Cluster Engineer

NVIDIA sucht einen erfahrenen HPC-AI Ingenieur, um dem Team für Netzwerk-Cluster-Lösungen beizutreten. Wir konzentrieren uns auf den Aufbau von Supercomputern und KI-Clustern basierend auf bahnbrechenden Technologien. Wir suchen einen herausragenden Ingenieur, der eine Schlüsselrolle bei der Entwicklung der aufregendsten Computerhardware und -software spielt, um zu den neuesten Durchbrüchen in der künstlichen Intelligenz und GPU-Computing beizutragen.

Sie werden Einblicke in das Design von Systemen im großen Maßstab und Tuning-Mechanismen für großangelegte Berechnungen geben. Sie arbeiten mit den neuesten beschleunigten Computing- und Deep Learning-Software- und Hardware-Plattformen sowie mit vielen wissenschaftlichen Forschern, Entwicklern und Kunden zusammen, um verbesserte Workflows zu gestalten und neue, führende differenzierte Lösungen zu entwickeln. Sie interagieren mit HPC-, OS-, GPU-Computing- und Systemspezialisten, um große Leistungsplattformen zu entwerfen, zu entwickeln und in Betrieb zu nehmen.

Was Sie tun werden:

• Entwurf, Implementierung und Wartung großer HPC/AI-Cluster mit Überwachung, Protokollierung und Alarmierung
• Verwaltung von Linux-Job-/Workload-Zeitplänen und Orchestrierungstools
• Entwicklung und Wartung von Continuous Integration- und Delivery-Pipelines
• Entwicklung von Werkzeugen zur Automatisierung der Bereitstellung und Verwaltung von Infrastrukturumgebungen im großen Maßstab, zur Automatisierung der operativen Überwachung und Alarmierung sowie zur Ermöglichung des Self-Service-Konsums von Ressourcen
• Bereitstellung von Überwachungslösungen für Server, Netzwerk und Speicher
• Fehlerbehebung vom Bare Metal über das Betriebssystem, den Software-Stack bis hin zur Anwendungsebene
• Als technische Ressource Standardmethoden entwickeln, neu definieren und dokumentieren, um sie mit internen Teams zu teilen
• Unterstützung von Forschungs- und Entwicklungsaktivitäten und Teilnahme an POCs/POVs für zukünftige Verbesserungen

Was wir sehen möchten:

• Ein Abschluss in Informatik, Ingenieurwesen oder einem verwandten Bereich und mehr als 8 Jahre Erfahrung
• Kenntnisse über HPC- und KI-Lösungstechnologien von CPUs und GPUs bis hin zu Hochgeschwindigkeitsverbindungen und unterstützender Software
• Erfahrung mit Job-Scheduling-Workloads und Orchestrierungstools wie Slurm, K8s
• Ausgezeichnete Kenntnisse in Windows und Linux (Redhat/CentOS und Ubuntu) Netzwerken (Sockets, firewalld, iptables, wireshark usw.) und Interna, ACLs und OS-sicherheitsrelevanten Schutzmaßnahmen sowie gängigen Protokollen wie TCP, DHCP, DNS usw.
• Erfahrung mit mehreren Speicherlösungen wie Lustre, GPFS, Weka.io. Vertrautheit mit neueren und aufkommenden Speichertechnologien.
• Python-Programmierung und Bash-Scripting-Erfahrung.
• Vertrautheit mit Automatisierungs- und Konfigurationsmanagement-Tools wie Jenkins, Ansible, Puppet/Chef
• Tiefes Wissen über Netzwerkprotokolle wie InfiniBand, Ethernet
• Tiefes Verständnis und Erfahrung mit virtuellen Systemen (z. B. VMware, Hyper-V, KVM oder Citrix)
• Vertrautheit mit Cloud-Computing-Plattformen (z. B. AWS, Azure, Google Cloud)

Wie Sie sich von der Masse abheben können:

• Kenntnisse über CPU- und/oder GPU-Architektur
• Kenntnisse über Kubernetes, containerbezogene Microservice-Technologien
• Erfahrung mit GPU-fokussierter Hardware/Software (DGX, Cuda)
• Erfahrung mit RDMA (InfiniBand oder RoCE) Fabrics

Wir sind ein Arbeitgeber, der Chancengleichheit bietet und Vielfalt in unserem Unternehmen schätzt. Wir diskriminieren nicht aufgrund von Rasse, Religion, Hautfarbe, nationaler Herkunft, Geschlecht, Geschlechtsidentität, sexueller Orientierung, Alter, Familienstand, Veteranenstatus oder Behinderungsstatus. Wir stellen sicher, dass Personen mit Behinderungen angemessene Vorkehrungen erhalten, um am Bewerbungs- oder Interviewprozess teilzunehmen, wesentliche Arbeitsfunktionen auszuführen und andere Vorteile und Privilegien der Beschäftigung zu erhalten. Bitte kontaktieren Sie uns, um eine Unterkunft zu beantragen.