Senior GPU Cloud, K8S Expert

Vaga não está no LinkedIn

🕒 Setembro 11

🏄 California, Texas – Remoto

🏄 California – Remote 🤠 Texas – Remote

💵 $180.000 - $260.000 / ano

⏰ Tempo Integral

🟠 Sênior

⛑ DevOps & Engenheiro de Confiabilidade do Site (SRE)

👻 Score fantasma 8%

O que significa: quão provável esta vaga está aberta sem contratação ativa.Como ler: 60% ou mais significa que achamos que é uma vaga fantasma. Pontuações mais baixas preocupam menos.Como pontuamos: tempo em aberto, republicações, vagas abertas vs tamanho do time, rapidez para fechar vagas, e se o salário está divulgado.Observação: é uma estimativa de dados públicos, não um julgamento da empresa. Vagas reais podem ter pontuação alta, então use como uma dica, não como um fato.

Candidatar-se

Encontrar Vagas Remotas Similares

Configurar Alerta de Email para Novas Vagas

📊 Verifique sua pontuação de currículo para esta vaga

Melhore suas chances de conseguir uma entrevista verificando sua pontuação de currículo antes de se candidatar.

Enviar Currículo

Bitdeer Group

SiteLinkedInTodas as Vagas

201 - 500 funcionários

💼 Consultoria

📦 Logística

🏗️ Construção

💰 Post-IPO Equity em 2023-05

Consulting • Logistics • Construction

A Bitdeer Technologies Group (Nasdaq: BTDR) é uma líder na indústria de blockchain e computação de alto desempenho. É uma das maiores detentoras mundiais de hash rate proprietário e fornecedoras de hash rate. A Bitdeer está comprometida em fornecer soluções de computação abrangentes para seus clientes.

Descrição

• Design, deploy, and operate the control plane for an AI-operated GPU cloud • Run production Kubernetes clusters optimized for GPU workloads at scale (100–10,000 GPUs) • Configure Nvidia GPU operator, device plugin, MIG, and GPU time-slicing policies • Implement topology-aware scheduling using GPU locality, NVLink domain awareness, and network rail affinity • Develop Custom Resource Definitions (CRDs) for GPU workload lifecycle management • Integrate Slurm, Ray, and Kubeflow with Kubernetes • Enforce multi-tenant isolation through namespaces, network policies, resource quotas, RBAC, and pod security standards • Automate BMaaS provisioning, tenant onboarding, lifecycle, and reclamation • Build Terraform providers and modules for infrastructure-as-code across GPU clusters • Define and meet SLIs/SLOs for cluster availability, job completion rates, and provisioning latency • Automate incident management, escalation, and post-incident reviews • Operate monitoring with Prometheus, Grafana, Alertmanager, and PagerDuty • Automate GPU node failure detection, drain/cordon/taint, and workload rescheduling • Make the control plane safe for automated AIOps remediation • Enable automated workflows for predicted GPU faults without customer impact • Launch BMaaS for external tenants with self-service onboarding • Publish and meet cluster availability and job-completion SLOs

🎯 Requisitos

• 5+ years in Kubernetes operations, with at least 2 years managing GPU workloads on K8S • Deep understanding of Nvidia GPU operator, device plugin, and GPU scheduling in K8S • Experience with topology-aware scheduling and GPU-specific resource management • Hands-on experience building multi-tenant K8S platforms with strong isolation guarantees • Experience with bare-metal server provisioning and lifecycle automation (Ironic, MAAS, or custom) • Proficiency in Terraform, Helm, and GitOps workflows (ArgoCD/Flux) • Strong SRE background: SLI/SLO frameworks, incident management, capacity planning • Experience with Prometheus, Grafana, and alerting at scale • Strong programming skills in Go or Python for operator/CRD development • AIOps aptitude — you think of the K8S control plane as an execution surface for automated remediation, not just a scheduler • You've either wired an autoscaler/remediator loop into K8S or you can design one • Runbook-as-code mindset — every SRE playbook you write should be executable by the platform