HPC-insinööri

Verdalla rakennamme kokonaisvaltaista AI-pilvipalvelua. Siihen kuuluvat datakeskukset, laitteistot ja oma pilvialustamme, jota maailman johtavat AI-tiimit käyttävät vaativaan tekoälytyöhön. Haluamme vaikuttaa maailmaan myönteisesti rakentamamme infrastruktuurin avulla ja tarjota johtaville tiimeille palvelun, johon ne voivat todella luottaa. Pääkonttorimme on Helsingissä, ja toimimme maailmanlaajuisesti. Toimistomme sijaitsevat Lontoossa ja San Franciscossa. Tule Verdalle rakentamaan yritystä nyt, kun se on vielä kehitysvaiheessa – älä vasta sitten, kun kaikki on valmista. Miksi Verda Rahallinen palkitseminen ja osakepalkkiot sekä erilaisia henkilöstöetuja. Kannattavaa toimintaa ja nopeaa, pitkäjänteistä kasvua. Yli 30 kansallisuutta; myös johtoryhmässä on kuusi eri kansallisuutta. Pääset vaikuttamaan ja työskentelemään maailmanluokan insinöörien, tutkijoiden ja kumppaneiden kanssa koko AI-ekosysteemissä. Käytännön tiedot Työskentelytapa: Etätyö (EU) Taso: keski- tai senioritaso Työsuhde: kokoaikainen ja vakituinen Tehtävästä GPU:ista on hyötyä vasta, kun ne on liitetty klusteriin, jossa tutkijat voivat todella kouluttaa malleja. HPC-insinöörinä vastaat AI-pilvemme fyysisistä ja virtualisoiduista klustereista InfiniBand-verkosta ja jaetuista tiedostojärjestelmistä työkuormien orkestrointiin. Huolehdit siitä, että suuret GPU-klusterit toimivat luotettavasti ja tehokkaasti ja ovat valmiina seuraavia työkuormia varten. Vastuualueesi Ylläpidät fyysisiä GPU- ja HPC-klustereita käyttöönotosta jatkuvaan käyttöön. Ylläpidät virtualisoituja klustereita, niiden hypervisoreita ja GPU-virtualisointikerrosta. Suunnittelet, otat käyttöön ja virität InfiniBand-verkkoja, mukaan lukien topologian suunnittelun, aliverkkojen hallinnan ja suorituskyvyn varmistamisen. Otat käyttöön ja ylläpidät koulutus- ja päättelykuormissa käytettäviä jaettuja ja rinnakkaisia tiedostojärjestelmiä. Tasapainotat suorituskyvyn, kapasiteetin ja luotettavuuden. Selvität verkon kaikkiin osiin liittyviä ongelmia: kuituihin, lähetin-vastaanottimiin, verkkokortteihin, kytkimiin, ajureihin ja laiteohjelmistoihin. Teet yhteistyötä etätukihenkilöiden ja datakeskustiimien kanssa laitevikojen selvittämiseksi, fyysisten korjausten tekemiseksi ja klustereiden laajentamiseksi. Ylläpidät ja virität Slurmia tai vastaavia työkuormien ajoitusratkaisuja, joita asiakkaat ja omat tiimit käyttävät. Pidät tiketti-, IPAM- ja DCIM-tiedot ajan tasalla klustereita rakennettaessa, muutettaessa ja poistettaessa käytöstä. Osallistut klustereihin liittyviin päivystysvuoroihin ja häiriötilanteiden selvittämiseen. Teet yhteistyötä alusta-, verkko- ja tallennustiimien kanssa, jotta uudet klusterit voidaan liittää osaksi laajempaa AI-pilveä. Keskeinen osaamisesi Hallitset Linuxin hyvin. Muistinhallinnan, PCIe-topologioiden ja virtualisoinnin erityisosaaminen on eduksi. Tunnet InfiniBandin syvällisesti, mukaan lukien verkkojen suunnittelun, aliverkkojen hallinnan ja suorituskyvyn virittämisen. Sinulla on vahvaa kokemusta IB-klustereista ja ongelmien selvittämisestä sekä ymmärrät kuitujen, lähetin-vastaanottimien, verkkokorttien ja kytkinten toimintaa ja mahdollisia vikoja. Tunnet jaetut tiedostojärjestelmät, kuten Lustren, GPFS/Spectrum Scalen tai WekaFS:n, tai vastaavat ratkaisut. Osaat selvittää ja korjata laitteisto-ongelmia etätukitiimien kanssa. Tunnet NCCL:n, CUDA:n, DOCA:n ja Nvidian teknologiat. Tunnet Slurmin tai muita työkuormien ajoitusratkaisuja. Slinky/slurm-bridge-osaaminen on lisäetu. Ymmärrät, miksi tiketti-, IPAM- ja DCIM-tiedot pitää pitää ajan tasalla. Pystyt työskentelemään tuotantoklustereiden kanssa, joissa käytettävyys ja suorituskyky vaikuttavat suoraan asiakkaiden työkuormiin. Osaat skriptata ja automatisoida toistuvia klusteritoimintoja esimerkiksi Pythonilla, Bashilla tai Ansiblella. Eduksi katsomme RoCEv2:n ja/tai Spectrum-X:n tuntemuksen. Agenttipohjaisten suojamekanismien ymmärtämisen erityisesti monimutkaisten järjestelmien hallinnassa. Kyvyn tarkastella nykyisten tarpeiden lisäksi myös tulevaa kehityssuuntaa ja tiekarttaa. Kokemuksen GPU:iden kunnonvalvonta- ja diagnostiikkatyökaluista, kuten DCGM:stä ja kenttädiagnostiikasta. Kokemuksen fyysisen laitteiston käyttöönotto- ja orkestrointityökaluista, kuten MAASista, Foremanista tai omista PXE/iPXE-putkista. GPU-tietoisen virtualisoinnin tai kontituksen tuntemuksen, esimerkiksi Kubernetes-laitepluginit, KVM/QEMU GPU:n läpiviennillä tai SR-IOV. Kokemuksen klusteritason valvontaratkaisuista, kuten Prometheuksesta, Grafanasta ja Lokista. Mitä seuraavaksi Rakennamme toimintaa nopeasti, ja tarvitsemme tehtävään sopivan henkilön. Hakemiselle ei ole keinotekoista määräaikaa, mutta etenemme heti, kun löydämme etsimämme osaajan. Jos tehtävä kiinnostaa, hae nyt. Lähetä hakemus urasivumme kautta. Emme käsittele sähköpostitse lähetettyjä hakemuksia.