Tech Lead Manager, GPU Cluster Infrastructure

🕒 vor 18 Tagen

🏄 California – Remote

🏄 California – Remote

⏰ Vollzeit

🟠 Senior

🧑‍💻 Full-Stack-Entwickler

👻 Geisterscore 24%

Was es bedeutet: wie wahrscheinlich diese Stelle offen bleibt, ohne dass aktiv eingestellt wird.So liest du es: 60 % oder höher heißt, wir halten das für einen Geisterjob. Niedrigere Werte sind weniger bedenklich.Wie wir werten: Dauer offen, Neuveröffentlichungen, offene Stellen vs Teamgröße, wie schnell Stellen geschlossen werden, und ob ein Gehalt angegeben ist.Hinweis: eine Schätzung aus öffentlichen Daten, kein Urteil über das Unternehmen. Echte Stellen können hoch punkten, nutze es also als Hinweis, nicht als Fakt.

Jetzt Bewerben

Ähnliche Remote-Jobs finden

E-Mail-Benachrichtigung für neue Jobs einrichten

📊 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

FAR.AI

WebsiteLinkedInAlle Stellen

11 - 50 Mitarbeiter

Gegründet 2022

🤖 Künstliche Intelligenz

📚 Bildung

🤝 Non-Profit

Artificial Intelligence • Education • Non-profit

Ashby Electrical Limited ist ein 2018 gegründeter Elektrofachbetrieb, der sich auf kosteneffiziente und nachhaltige Elektrolösungen für Wohn- und Gewerbeprojekte spezialisiert hat. Das Unternehmen steht für hochwertige Arbeit über den gesamten Projektlebenszyklus hinweg – von der Planung über die Installation und Prüfung bis zur Inbetriebnahme. Ashby Electrical setzt auf starke, von Vertrauen, Integrität und Professionalität geprägte Kundenbeziehungen und stellt die termingerechte und budgetkonforme Umsetzung sicher.

Beschreibung

• Set the platform's technical direction and own its roadmap • Decide which systems to run, how to schedule and store across providers, and what to measure • Own architecture and scheduling and storage design • Debug failures across layers, including node health, GPU and fabric faults, and multi-node job hangs • Hire and grow a small team of senior engineers • Set priorities and ownership, scope projects, and provide regular feedback and coaching • Set security direction for a shared cluster where AI agents run experiments, including identity and access, workload isolation, and sandboxing • Define operations including on-call rotation, incident response, postmortems, fault tolerance, and observability • Participate in operational practices alongside the team • Serve as escalation point for research teams and infrastructure providers • Turn recurring problems into platform fixes • Work directly with researchers and engineers to keep large-scale experiments performant and fault-tolerant

🎯 Anforderungen

• Experience leading engineers as a manager, tech lead, or project lead, including setting technical direction, scoping work, and giving feedback • Desire to manage people directly; prior direct reports are not required • 5+ years of systems or infrastructure engineering experience on production Linux • Experience running GPU, HPC, or large-scale batch platforms • Experience owning systems from design through operation • Depth in at least one of scheduling, storage, networking, security, or GPU systems, with enough breadth to review designs in the others • Experience running production Kubernetes for GPU workloads with a batch layer such as Slurm, Kueue, or Volcano, including quotas, priority and preemption, and node health • Experience owning infrastructure as code and observability for a production fleet • Experience with Terraform or Ansible, Helm, ArgoCD, and Prometheus, or equivalents • Strong programming ability in Python, Go, Rust, C++, or another language commonly used for infrastructure • Clear technical writing for engineers, researchers, and providers • Additional desirable skills include distributed training infrastructure, distributed storage, cluster security, scheduler internals, multi-provider platforms, and greenfield team-building

🏖️ Vorteile

• Health insurance: 94% of insurance premium paid by the organization, commencing within 1 month after start date • 401(k) plan with up to 2% match • 25 days paid time off per year, accrued weekly • Up to 10 days of paid sick leave per year • Paid bereavement, family, medical, and pregnancy disability leave • Work computer and WFH stipend provided for eligible employees • Catered lunches and dinners on workdays at the Berkeley office • Visa sponsorship for in-person employees • Paid work trial lasting up to 1 week