Alemanha
Chainguard
RemoteStar
Engenheiro de Sistemas Sênior (Munique, Alemanha)
Alemanha
Munich, Bavaria, Alemanha
PythonKubernetesTerraform
Tradução automática. Consulte o original.
Sobre o cliente
Empresa de deep-tech bem financiada e em rápido crescimento, fundada em 2019. Somos a maior empresa de software quântico da UE. Também somos uma das 100 empresas mais promissoras em IA no mundo (segundo a CB Insights, 2023) com mais de 150 funcionários e em crescimento, totalmente multicultural e internacional.
Requisitos
- Experiência em Programação de Sistemas: 10+ anos de experiência em engenharia de software com forte proficiência em Python. Você deve se sentir confortável construindo agentes de sistema, APIs e ferramentas de linha de comando (CLI).
- Conhecimento Profundo de Kubernetes: Você entende os internos do K8 além da implantação simples. Experiência com Definições de Recursos Personalizados (CRDs), Operadores e a arquitetura do servidor Kubernetes API.
- Experiência com Ecossistema de GPUs: Experiência prática no gerenciamento de clusters de GPUs NVIDIA. Familiaridade com drivers NVIDIA, toolkit CUDA e o runtime de contêineres (NVIDIA Container Toolkit).
- Internos do Linux: Compreensão profunda do kernel Linux, cgroups, namespaces e ajuste de desempenho do sistema.
- Infraestrutura como Código: Domínio de ferramentas de infraestrutura declarativa (Terraform, Ansible), mas com foco no provisionamento de hardware físico em vez de apenas VMs na nuvem.
- Resolução de Problemas: Histórico comprovado de depuração de sistemas distribuídos complexos onde a causa raiz pode ser código, rede ou silício.
Localização: Os candidatos devem ter autorização legal para trabalhar no país onde a posição está localizada.
Qualificações preferenciais
- Experiência em HPC: Experiência trabalhando com agendadores tradicionais de supercomputação (Slurm, PBS) ou agendadores de batch modernos (Volcano, Kueue, Ray).
- Provisionamento Bare Metal: Experiência com ferramentas como Cluster API (CAPI), Metal3, Tinkerbell, Canonical MaaS ou OpenStack Ironic.
- Rede de Alta Velocidade: Conhecimento de RDMA, InfiniBand, GPUDirect e como expor essas tecnologias para cargas de trabalho em contêineres.
- Familiaridade com IA/ML: Compreensão de como funciona o treinamento distribuído (por exemplo, PyTorch Distributed, Megatron-LM, DeepSpeed) e os requisitos de infraestrutura de Modelos de Linguagem Grandes (LLMs).
- Observabilidade: Experiência na construção de monitoramento para saúde de hardware (DCGM) e rastreamento distribuído para trabalhos de longa duração.
O que você fará
- Construindo o Plano de Controle: Projetando e desenvolvendo a camada de software (APIs, Controladores, Agentes) que automatiza o ciclo de vida da infraestrutura de IA bare-metal.
- Orquestrando Computação em Alta Escala: Arquitetando soluções de agendamento para trabalhos de treinamento distribuído em larga escala em clusters massivos de GPUs (NVIDIA H200/B200/B300), garantindo empacotamento eficiente (bin-packing) e agendamento em grupo (gang scheduling).
- Otimizando o Fabric: Ajustando a camada de rede definida por software para suportar interconexões de baixa latência (InfiniBand/RDMA/RoCEv2) essenciais para treinamento multi-nó.
- Desenvolvendo Extensões de Kubernetes: Escrevendo Operadores e CRDs de Kubernetes personalizados para abstrair realidades complexas de hardware (consciência de topologia, particionamento de GPU) em interfaces utilizáveis para nossos Cientistas de Dados.
- Depuração em Nível de Hardware: Investigando e resolvendo problemas profundos de sistemas, desde erros no barramento PCIe e timeouts de comunicação NCCL até kernel panics em nós bare-metal.
- Definindo Padrões: Criando a "Imagem Padrão" para cargas de trabalho de IA, gerenciando drivers, firmware e otimizações de SO para extrair o máximo desempenho do hardware.
Benefícios e Vantagens
- Contrato por prazo indeterminado.
- Igualdade salarial garantida.
- Bônus variável de desempenho.
- Bônus de assinatura.
- Pacote de realocação (se aplicável).
- Plano de saúde privado.
- Elegibilidade para orçamento educacional de acordo com a política interna.
- Oportunidade híbrida.
- Horário de trabalho flexível.
- Trabalhar em um ambiente de ritmo acelerado, trabalhando com tecnologias de ponta.
- Plano de carreira. Oportunidade de aprender e ensinar.
- Empresa Progressista. Cultura de pessoas felizes.
Mais oportunidades com um só perfil
Quer aparecer para várias vagas sem repetir todo o processo? Crie seu perfil e seja encontrado pelas empresas que usam a Nort.
Criar meu perfil