Leitender HPC-Ingenieur, GPU Compute

Über Nebius:

Nebius leitet eine neue Ära der Cloud-Infrastruktur für die globale KI-Wirtschaft ein. Wir bauen eine Full-Stack-KI-Cloud-Plattform auf, die Entwickler und Unternehmen von der Daten- und Modellschulung bis hin zur Produktionsbereitstellung unterstützt, ohne die Kosten und Komplexität des Aufbaus einer großen internen KI/ML-Infrastruktur.

Von Ingenieuren für Ingenieure gebaut. Von der groß angelegten GPU-Orchestrierung bis zur Inferenzoptimierung beherrschen wir die schwierigen Probleme in den Bereichen Rechenleistung, Speicher, Netzwerk und angewandte KI.

Wir sind an der Nasdaq (NBIS) notiert und haben unseren Hauptsitz in Amsterdam. Wir verfügen über eine globale Präsenz mit Forschungs- und Entwicklungszentren in Europa, Großbritannien, Nordamerika und Israel. Zu unserem über 1.500-köpfigen Team gehören Hunderte von Ingenieuren mit umfassendem Fachwissen in den Bereichen Hardware, Software und KI-Forschung und -Entwicklung.

Die Rolle

Wir suchen einen Senior HPC Cluster Engineer, der unser Team verstärkt und eine Schlüsselrolle bei der Entwicklung unserer hochmodernen Hyperscaler-Plattform spielt. Das GPU- und InfiniBand-Team ist für die Verbesserung und Optimierung der Kernkomponenten unserer Cloud-Plattform verantwortlich, mit besonderem Schwerpunkt auf GPU-Computing, InfiniBand-Netzwerken und dem KVM/QEMU-Stack. Sie arbeiten eng mit Hardware-Virtualisierungs- und Geräteemulationstechnologien zusammen und sorgen so für hohe Leistung und Sicherheit in Multi-GPU- und HPC-Umgebungen. Die Rolle umfasst die Analyse, Fehlerbehebung und Verbesserung der Infrastruktur zur Unterstützung neuer Hardware, die Feinabstimmung der Systemleistung und die Automatisierung der Fehlererkennung und -behebung in einem komplexen System.

In dieser Position sind Sie verantwortlich für:

• Optimierung der Leistung von GPU-Clustern und InfiniBand-Netzwerken, um einen optimalen Betrieb in HPC- und GPU-basierten Umgebungen sicherzustellen.

• Analyse und Fehlerbehebung der Grundursache von Problemen im Zusammenhang mit GPUs und InfiniBand-Netzwerken sowie Vorschläge für Korrekturmaßnahmen.

• Integration neuer Hardware in die bestehende Infrastruktur, einschließlich der Unterstützung neuer GPU-Hardware durch Software-Stacks wie Kubernetes, QEMU und KVM.

• Verbesserung der Automatisierungssysteme zur proaktiven Überwachung, Erkennung und Lösung von Problemen in GPU- und InfiniBand-Umgebungen.

• Konfigurieren und Verwalten von GPU-Geräten und InfiniBand-Fabrics, um einen effizienten und zuverlässigen Betrieb sicherzustellen.

Wir erwarten von Ihnen:

• Mehr als 5 Jahre Berufserfahrung in der Softwareentwicklung auf Systemebene (mit Schwerpunkt auf Leistungsoptimierung und Low-Level-Programmierung).

• Mehr als 3 Jahre praktische Erfahrung mit Linux-Systemen (Administration, Fehlerbehebung und Leistungsoptimierung).

• Umfassendes Verständnis der Serverarchitektur, einschließlich PCIe-Geräten, NICs, Linux-Betriebssystemen/-Kernels und Hochleistungsrechnersystemen (HPC).

• Gute Kenntnisse in einer oder mehreren leistungsorientierten Programmiersprachen (C/C++, Go, Python).

Es wäre von Vorteil, wenn Sie Folgendes haben:

• Erfahrung mit GPU-End-to-End-Tests in einer Clusterumgebung unter Verwendung von InfiniBand-Netzwerken.

• Nachgewiesene Erfolgsbilanz bei der Analyse und Optimierung der Leistung von HPC-Workloads (z. B. Simulationen, Datenanalyse, AI/ML-Workloads).

• Vertrautheit mit den Protokollen RDMA, RoCE und InfiniBand für Hochleistungskommunikation.

• Hintergrundwissen im Bereich Software-Defined Networking (SDN) und Erfahrung mit HPC-Cluster-Netzwerken.

• Verständnis der QEMU/KVM-Virtualisierung und der Verwaltung virtualisierter Umgebungen.

• Erfahrung mit Deep-Learning-Frameworks wie PyTorch und TensorFlow und deren Integration mit HPC-Systemen.

• Vertrautheit mit kollektiven Kommunikationsbibliotheken wie MPI und NCCL für verteiltes Rechnen.

Als Teil des Prozesses führen wir Coding-Interviews durch.

#LI-LH2

Vorteile und Vorteile:

• Wettbewerbsfähige Vergütung

• Karrierewachstum und Lernmöglichkeiten

• Flexibilität und Eigenverantwortung

• Kollaborative und innovative Kultur

• Möglichkeit, an wirkungsvollen KI-Projekten zu arbeiten

• Internationales Umfeld und talentierte Teams

Wie ist es, bei Nebius zu arbeiten:

Schnelllebig – Mutiges Denken – Ständiges Wachstum – Bedeutende Wirkung – Vertrauen und echte Eigenverantwortung – Chance, die Zukunft der KI zu gestalten

Erklärung zur Chancengleichheit:

Nebius ist ein Arbeitgeber, der Chancengleichheit fördert. Wir setzen uns dafür ein, einen integrativen und vielfältigen Arbeitsplatz zu fördern und in allen Beschäftigungsbereichen gleiche Beschäftigungsmöglichkeiten zu bieten. Wir diskriminieren nicht aufgrund von Rasse, Hautfarbe, Religion, Geschlecht (einschließlich Schwangerschaft), nationaler Herkunft, Abstammung, Alter, Behinderung, genetischen Informationen, Familienstand, Veteranenstatus, sexueller Orientierung, Geschlechtsidentität oder -ausdruck oder anderen durch geltendes Recht geschützten Merkmalen.

Bewerber müssen eine Arbeitserlaubnis in dem Land haben, in dem sie sich bewerben, und müssen als Einstellungsvoraussetzung einen Nachweis über die Beschäftigungsberechtigung vorlegen.

Wenn Sie während des Bewerbungsprozesses eine Unterkunft benötigen, teilen Sie uns dies bitte mit.

Quelle: Jobicy (https://jobicy.com/jobs/156543-senior-hpc-engineer-gpu-compute)