AI-alustan tukinsinööri

Vastuualueet

• Partner directly with customer engineering teams running training and inference workloads in production
• Auttaa asiakasinsinö:stäjf4n hajautettujen järjestelmien ja ML-infrastruktuurin ongelmien vianetsinnöstä
• Toimia teknisenään neuvonantajana suurten vaikutusten tapahtumissa ja alustan suorituskyvyn heikentyminen
• Kvi infrastruktuurin ongelmien köyttö d:llä ML-insinö:lle</n
• Käytö logit, mittarit, d ja järjestelmakäytön analysointi juurisyynä varten
• Hae PyTorch, CUDA, NCCL ja inferenssi-palveluiden kanssa liittyviön ongelmiin liittyvään vianetsintööt
• Konsoli containeroituja kuormia Kubernetes- ja bare metal --ympäristöissä
• Tukea asiakkaita mon solmujen GPU-kuormien skaalaamisessa
• Diagnosoi suorituskyvyn pullonkauloja laskentaa, muistia, verkkoa tai tallennusta koskien
• Tunnista toistuvia malleja asiakasongelmissa ja aja pitkäaikaisia luotettavuutta parantavia toimenpiteit
• Osallistu incident-jatkotoimiin ja operatiivisiin parannuksiin
• Rakenna sisäiset työkalut, automaatio, dokumentaatio ja runbooksit
• Yhteistyö infrastruktuurin, verkkoinfran ja alustan insinäeerien kanssa
• Paranna observabilitya, operatiivista näkyvyyttä ja vianetsintöprosessia
• Paranna asiakaskokemusta paremmilla prosesseilla ja tekniselläen ohjauksella