Старший инженер инфраструктуры ML
RWB (Wildberries & Russ)
Москва
🏢 Офис
Middle
Полная занятость
Россия
Описание вакансии
Направление работы
IT-инфраструктура, эксплуатация серверного оборудования.
Команда занимается развертыванием, поддержкой и масштабированием инфраструктуры ML.
Стань частью команды!
Вам предстоит
•Проектировать инфраструктуру ML-кластеров: рассчитывать вычислительные мощности, объемы хранения и сетевую емкость;
•Разрабатывать спецификации серверов и GPU-узлов, подбирать GPU/акселераторы, архитектуры NVLink/NVSwitch и HGX/PCIe-коммутацию;
•Проектировать сетевые фабрики на базе InfiniBand или RoCE v2, рассчитывать топологии и коммутационный слой;
•Проектировать системы хранения для высокопроизводительной работы с датасетами: Lustre, WekaIO, GPFS;
•Участвовать в запуске инфраструктуры: контролировать монтаж, пусконаладку, прошивку оборудования, базовую настройку ОС и сетевого оборудования;
•Администрировать существующие кластеры, настраивать мониторинг, устранять сбои, поддерживать SLA и вести техническую документацию.
Формат работы - гибридный, график 5/2.
Вы нам подходите, если
•Имеете успешный опыт проектирования, закупки и физического запуска суперкомпьютерных или AI-кластеров с нуля;
•Понимаете архитектуру современных AI-серверов, включая NVIDIA DGX/HGX, Supermicro AS, HPE Apollo или аналогичные решения;
•Владеете сетевыми технологиями L1-L3, RDMA, InfiniBand/RoCE и протоколами маршрутизации внутри вычислительных фабрик;
•Имеете опыт настройки коммутаторов NVIDIA Quantum/Spectrum, Subnet Manager, адаптеров ConnectX/BlueField;
•Умеете работать с Linux, системами хранения Lustre, Weka, Ceph, GPFS, NVMe-массивами, RAID и NVMe-oF;
•Имеете опыт работы на стыке системного администрирования, bare-metal инфраструктуры, сетевой инженерии и Data Science.