GPU基础设施工程经理
岗位摘要
招聘、指导并培养GPU基础设施工程师团队，负责绩效、职业发展以及在复杂基础设施问题上的技术指导；负责集群的技术路线图：部署、运维和扩展Kubernetes集群，包括工作负载调度、硬件故障检测和性能优化
岗位职责
- 招聘、指导并培养GPU基础设施工程师团队，负责绩效、职业发展以及在复杂基础设施问题上的技术指导
- 负责集群的技术路线图：部署、运维和扩展Kubernetes集群，包括工作负载调度、硬件故障检测和性能优化
- 与研究人员和ML工程师合作，使训练和推理栈在新GPU架构上良好运行
- 与容量、财务、法务、安全及其他基础设施团队等跨职能利益相关方合作，处理规划、成本、合规和共享依赖
- 推动卓越运营：GPU利用率和可靠性的可观测性、集群供应的自动化、成本优化以及供应商关系管理
任职要求
- 具备管理工程或SRE团队的经验，重点关注技术指导、招聘和成长，包括远程分布式环境
- 有在生产环境中运行大规模Kubernetes计算集群的背景，包括多云环境：多集群运营、调度、大规模节点健康，以及熟悉IaC和基础设施监控
- 在使GPU训练集群运转的某一层有深入经验，如集群级运营、GPU网络或硬件，并愿意亲自动手学习其余部分
- 具备GPU基础设施成本优化和容量规划经验
- 有与研究人员或ML工程师合作，并在可靠性、成本和交付之间做出数据驱动权衡的记录
福利待遇
- 每周75美元或75英镑或等值当地货币的午餐津贴
- 全面的健康和牙科福利，包括单独的心理健康预算
- RRSP匹配、401K、养老金计划
- 父母双方均可享受最高6个月的100%育儿假补足
- 年度充实福利：艺术与文化、健身/健康、优质时间以及工作空间改善额度；教育学习津贴用于会议、课程和教练
- 6周带薪假期（30个工作日！）
- 若远程办公，提供前往其他办公室的差旅预算，以及年度公司团建