Technische Leitung – GPU-Infrastruktur (100 % remote – weltweit)

Stelle nicht auf LinkedIn

🔥 vor 9 Minuten

🌏 Überall auf der Welt

⏰ Vollzeit

🟠 Senior

🧑‍💻 Full-Stack-Entwickler

👻 Geisterscore 25%

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

Tether.to

WebsiteLinkedInAlle Stellen

11 - 50 Mitarbeiter

Gegründet 2014

₿ Crypto

💳 Fintech

💸 Finanzen

Crypto • Fintech • Finance

Tether. to ist ein führendes Unternehmen für digitale Vermögenswerte, das die Nutzung von Stablecoins im Blockchain-Bereich vorantreibt. Als der am weitesten verbreitete Stablecoin sind Tether-Token darauf ausgelegt, im Verhältnis 1:1 an Fiatwährungen gekoppelt zu sein, und bieten Nutzern eine stabile digitale Vermögensoption. Die Plattform erleichtert diese Token-Transaktionen über mehrere Blockchains hinweg und fördert grenzüberschreitende Transaktionen, während durch tägliche Aufzeichnungen der Gesamtvermögenswerte und Reserven Transparenz gewahrt wird. Zu den Initiativen von Tether gehören Bildungsprogramme zur Förderung der Nutzung digitaler Vermögenswerte, insbesondere in Regionen wie dem Nahen Osten, der Türkei und den Philippinen. Tether positioniert sich somit als Disruptor des traditionellen Finanzsystems, indem es eine stabile, effiziente Methode für Transaktionen in der digitalen Währungswelt ermöglicht.

Beschreibung

• Verantwortung für die End-to-End-Plattformarchitektur durch Architekturvorschläge, High-Level- und Low-Level-Designs, Reviews sowie die Pflege der Baseline • Leitung und disziplinarische Führung eines verteilten Teams aus rund zwölf Engineers in den Bereichen Backend, Frontend, DevOps, QA und Dokumentation • Etablierung von Engineering-Standards, Durchführung von Code- und Design-Reviews, Verwaltung von Release-Gates, regelmäßige Mitarbeitergespräche sowie Beiträge zu Entwicklung und Leistungsbeurteilung • Konzeption, Aufbau und Betrieb eines Managed-Slurm-Service für Forschungsteams • Verantwortung für Controller und Accounting, Partitionen und Login-Nodes, Node-Onboarding, Treiber- und CUDA-Baselines sowie Upgrades, Erkennung blockierter Jobs und fehlerhafter Nodes, Drain und Auto-Healing, Storage-Transparenz, Identität und Isolation • Verantwortung für das Bootstrapping und den Lebenszyklus von Kubernetes-Clustern auf von Partnern bereitgestellter Bare-Metal-Infrastruktur • Implementierung des NVIDIA GPU Operator und Network Operator, VM-basierter GPU-Isolation mit KubeVirt und VFIO, Upgrades, Backup und Recovery sowie Austausch von Nodes • Verantwortung für die Architektur des Managed Inference-Betriebs, einschließlich Serving, Parallelisierung über mehrere GPUs und Nodes, Autoscaling, Request-Routing, Endpoint-Zuverlässigkeit und Kapazitäten für Confidential Computing • Etablierung von Metriken, Logging, Alerting und SLOs über Control Plane, GPU-Flotte und Anwendungsebenen hinweg • Leitung der Incident Response, Durchführung von Post-Incident-Reviews und Entwicklung eines nachhaltigen On-Call-Modells • Primäre technische Schnittstelle zu Infrastrukturpartnern und Anbietern • Überführung von Anforderungen in schriftliche Spezifikationen und Abnahmetests, Steuerung von Eskalationen sowie Mitwirkung an Kapazitätsplanung und Hardwarebeschaffung • Zusammenarbeit mit Forschungs-, Model-Training- und Produktteams, um Workloads in Plattformanforderungen zu übersetzen und Kapazitäten zu vermitteln • Vervollständigung des Plattformteams und Definition des technischen Anspruchsniveaus für neue Engineers

🎯 Anforderungen

• Mindestens acht Jahre praktische Engineering-Erfahrung • Mindestens drei Jahre Erfahrung in der Führung von Teams, die Infrastrukturplattformen entwickeln und betreiben, auf die andere Teams angewiesen sind • Bachelor- oder Masterabschluss in Informatik oder Ingenieurwesen oder gleichwertige praktische Erfahrung • Praktische Erfahrung im Betrieb von Slurm im großen Maßstab, einschließlich slurmctld, slurmdbd, Partitionen, QoS, Priorisierung, Accounting, Prolog und Epilog, Scripting zur Node-Überwachung sowie Upgrades bei laufendem Systembetrieb • Erfahrung im Betrieb eines HPC- oder GPU-Trainingsclusters für Forschungsteams wünschenswert • Erfahrung im Betrieb von NVIDIA-GPU-Flotten auf Bare Metal, einschließlich Lebenszyklusmanagement von NVIDIA-Treibern und CUDA, Fabric Manager, NVSwitch, DCGM, MIG, Node-Burn-in und Abnahme • Erfahrung mit InfiniBand, Subnet-Konfiguration, RDMA, SR-IOV sowie der Diagnose von NCCL-Performanceproblemen über mehrere Nodes hinweg • Tiefgehende Linux-Systemkenntnisse, einschließlich Kernelmodulen, Treibern, PCIe-Passthrough, vfio-pci, cgroups, Namespaces und Performance-Tuning • Erfahrung im produktiven Kubernetes-Betrieb, einschließlich Control Plane, Upgrades, CNI, CSI, Operatoren, Custom Controllern und Multi-Tenancy-Design • Erfahrung mit HPC-Storage und Datenbewegung, einschließlich VAST, Lustre, NFS, Node-lokalem NVMe-Caching sowie der Verteilung großer Model-Weights und Datensätze • Erfahrung mit Prometheus, Grafana, Loki oder vergleichbaren Lösungen, SLOs, Incident Response und Post-Incident-Reviews • Sicherer Umgang mit JavaScript und Node.js, ausreichend zur Prüfung von Control-Plane-, CLI- und Worker-Services sowie zur Entscheidungsfindung bei Architekturfragen • Erfahrung bei der Bereitstellung einer Plattform mit tatsächlichen Nutzern, beispielsweise eines mandantenfähigen IaaS-/PaaS- oder Research-Computing-Service • Führung von Mitarbeitenden über mehrere Zeitzonen hinweg, bereichsübergreifende Reviews, schriftliche Architekturentscheidungen sowie Kommunikation mit Partnern und Führungskräften • Sehr gute schriftliche und mündliche Englischkenntnisse • Wohnsitz in einer Zeitzone zwischen UTC und UTC+5:30 • Wünschenswert: Slurm-Operatoren auf Kubernetes oder Kubernetes-native Scheduler • Wünschenswert: moderne Serving-Stacks wie vLLM, SGLang und TensorRT-LLM • Wünschenswert: VM-/Container-Isolation, Confidential Computing, Cluster API, kubeadm, Cilium, Infrastructure as Code, GitOps, Erfahrung mit GPU-Clouds, HPC oder AI-Labs, verteilten Systemen sowie der Zusammenarbeit mit Hardwareanbietern

🏖️ Vorteile

• Vollständig remote möglich • Gelegentliche Reisen zu Partnerstandorten und Teamevents