Vereinigte Staaten
The MITRE Corporation
Sciforium
GPU Cluster Engineer, Hardware Operations
Vereinigte Staaten
San Jose, California, United States
Terraform
Automatische Übersetzung. Prüfe das Original.
Über die Rolle
Sciforium ist ein KI-Infrastrukturunternehmen, das multimodale KI-Modelle der nächsten Generation und eine proprietäre, hocheffiziente Serving-Plattform entwickelt. Mit einer Finanzierung in Millionenhöhe und direkter Unterstützung von AMD mit praktischer Hilfe von AMD-Ingenieuren skaliert das Team schnell, um die full stack für wegweisende KI-Modelle und Echtzeitanwendungen aufzubauen.
Wir suchen einen engagierten Hardware Operations Engineer, der für die physische Integrität und die grundlegende Infrastruktur unserer GPU-Cluster verantwortlich ist. Sie sind der primäre Verwalter unserer Compute-Hardware und verantwortlich für alles, von der Koordination mit Datacenter-Anbietern bis hin zur Basis Linux OS-Schicht. Sie stellen sicher, dass unsere Forschungs- und Produktteams eine stabile, sichere und voll funktionsfähige physische Umgebung für ihre anspruchsvollen Compute-Workloads haben.
Hauptverantwortlichkeiten
Systemintegrität & Hardware-Zuverlässigkeit
- Rufbereitschaft: Primärer Ansprechpartner für physische Systemausfälle, Hardwarefehler und Netzwerkunterbrechungen, um Ausfallzeiten zu minimieren.
- Cluster-Überwachung: Proaktive Überwachung der Hardwareintegrität, einschließlich GPU-Temperaturen, Stromverbrauch und physischer Systemlasten, um Anomalien zu erkennen, bevor sie aktive Workloads beeinträchtigen.
- Lieferantenkoordination: Enge Zusammenarbeit mit dem Personal von Datacenter-Einrichtungen und Drittanbietern von Hardware, um RMA-Prozesse, physische Reparaturen, Ersatzteilbeschaffung und routinemäßige Wartungsarbeiten zu koordinieren.
- Hardware-Bereitstellung: Racken, Verkabeln und Leitung der physischen Inbetriebnahme neuer GPU-Knoten, um sicherzustellen, dass Stromversorgung und Netzwerkkonnektivität vollständig in den bestehenden Cluster integriert sind.
Linux & Netzwerkadministration
- OS-Management: Installation, Patching und Wartung von Linux Betriebssystemen (Ubuntu/CentOS/RHEL) auf den Bare-Metal-Servern des Clusters.
- Sicherheit & Zugriff: Konfiguration und Wartung von Edge- und internen Netzwerken, einschließlich Firewalls, VPNs und strenger SSH-Zugriffskontrollen zur Sicherung unserer Infrastruktur.
- Identitäts- & Speicherverwaltung: Administration von LDAP/Active Directory für zentrale Benutzerauthentifizierung und Sicherstellung, dass Netzwerkspeichersysteme (NFS/GPFS/Lustre) zuverlässig gemountet und korrekt berechtigt sind.
Qualifikationen
Voraussetzungen
- 3+ Jahre Erfahrung in der Linux Systemadministration (tiefgreifende Kenntnisse von Boot-Prozessen, systemd, Festplattenverwaltung usw.).
- Starke Kenntnisse in der Fehlerbehebung von Server-Hardware, insbesondere in Umgebungen mit hoher Dichte (Stromversorgung, Kühlung, PCIe-Topologien).
- Erfahrung in der Verwaltung von Netzwerksicherheit (VPNs, iptables/firewalld, VLANs) und Verzeichnisdiensten (LDAP/FreeIPA/Active Directory).
- Kenntnisse in Bash-Scripting für wesentliche Systemautomatisierung.
Wünschenswert
- Erfahrung mit Konfigurationsmanagement-Tools wie Ansible, SaltStack oder Terraform für die OS-Bereitstellung.
- Vertrautheit mit Datacenter-Betrieb, Kühlungsanforderungen für High-TDP-Beschleuniger (wie NVIDIA B200 oder AMD MI355x).
Leistungen beinhalten
- Kranken-, Zahn- und Augenversicherung
- 401k Plan
- Tägliches Mittagessen, Snacks und Getränke
- Flexible Urlaubsgestaltung
- Wettbewerbsfähiges Gehalt und Aktienoptionen
Gleichbehandlung
Sciforium ist ein Arbeitgeber, der Chancengleichheit fördert. Alle Bewerber werden unabhängig von Rasse, Hautfarbe, Religion, Geschlecht, sexueller Orientierung, Geschlechtsidentität, nationaler Herkunft, Veteranen- oder Behindertenstatus berücksichtigt.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen