Operations Engineer, HPC Networking

Stelle nicht auf LinkedIn

🕒 vor 22 Tagen

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mails für Remote-Jobs erhalten

📊 Überprüfen Sie Ihre Lebenslauf-Bewertung für diese Stelle

Verbessern Sie Ihre Chancen auf ein Vorstellungsgespräch, indem Sie Ihre Lebenslauf-Bewertung vor der Bewerbung überprüfen.

Lebenslauf hochladen

fal

WebsiteLinkedInAlle Stellen

51 - 200 Mitarbeiter

🤖 Künstliche Intelligenz

🔌 API

🏢 Unternehmen

Artificial Intelligence • API • Enterprise

fal ist eine generative Medienplattform für Entwickler, die eine große Galerie von produktionsreifen generativen Modellen für Bilder, Videos, Audio und 3D bietet, die über einfache APIs zugänglich sind. Sie bietet serverlose, global verteilte GPU-Inferenz, bedarfsgesteuerte und dedizierte Cluster für Feinabstimmung und Training sowie Tools für die Bereitstellung privater oder kundenspezifischer Modelle mit Unternehmenssicherheit und Beobachtbarkeit. fal richtet sich an Entwickler und Unternehmen, die eine skalierbare generative KI-Infrastruktur benötigen, mit Funktionen wie SOC 2-Konformität, nutzungsbasierter Preisgestaltung und Integrationen für eine schnelle Produktentwicklung.

Beschreibung

• Monitor health and performance of InfiniBand and Ethernet fabrics: switches, HCAs, transceivers, links. • Investigate and resolve fabric issues: connectivity, congestion, performance regressions. • Support fabric bring-up alongside DC ops and customer-facing teams. • Run maintenance and upgrades on switches and control plane components. • Partner with cluster ops on cross-domain incidents where the line between compute and network is blurry. • Improve the tooling and runbooks so the next incident resolves faster than the last.

🎯 Anforderungen

• Operated InfiniBand fabrics in production: subnet manager, routing, partitioning, monitoring. • Debugged the full stack: cables, transceivers, switch firmware, HCAs, drivers, NCCL. • Brought up new fabrics from cable pull through validation. • Scripted your way through repetitive operational work (bash, python, go, whatever). • Nice to have: Ethernet RoCE, Spectrum-X, or large-scale GPU cluster networking.