GPU Fabric Engineer

🕒 vor 25 Tagen

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

Vultr

WebsiteLinkedInAlle Stellen

201 - 500 Mitarbeiter

Gegründet 2014

🤖 Künstliche Intelligenz

🤝 B2B

🔧 Hardware

💰 €329.000.000 Debt Financing - Vultr im 2025-06

Artificial Intelligence • B2B • Hardware

Vultr ist ein globaler Anbieter von Cloud-Infrastrukturen, der bedarfsgesteuerte virtuelle Maschinen, Bare-Metal-Server, GPU-beschleunigte Instanzen, verwaltete Datenbanken, Objekt- und Blockspeicher, Kubernetes- und Netzwerklösungen anbietet. Die Plattform legt den Schwerpunkt auf KI- und HPC-Workloads mit einer breiten Auswahl an AMD- und NVIDIA-GPUs, schnellen Netzwerken und über 32 Datenzentrumsregionen sowie einem Marktplatz für bereitstellbare Apps und entwicklerfreundliche APIs. Vultr richtet sich an Entwickler und Unternehmen, die nach kostengünstigen, skalierbaren und konformen Alternativen zu Hyperscalern für Cloud-Computing und Speicherlösungen suchen.

Beschreibung

• Validate and troubleshoot InfiniBand and RoCE fabrics during GPU cluster bring-up and expansion • Tune fabric performance parameters for distributed AI workloads (NCCL, MPI, collective operations) • Monitor and manage fabrics using NVIDIA UFM (Unified Fabric Manager) for health, topology, and performance visibility • Diagnose and resolve fabric-level issues including link errors, congestion, packet loss, and path asymmetry • Optimize RDMA transport settings, PFC/ECN behavior, and lossless queue configuration for GPU traffic • Validate fabric performance benchmarks and ensure line-rate throughput for AI workloads • Collaborate with GPU Engineers to correlate fabric health with workload performance • Collaborate with networking teams on fabric provisioning, configuration, and remediation • Respond to fabric alerts and degradation events across production GPU clusters • Document fabric troubleshooting procedures, tuning parameters, and validation runbooks

🎯 Anforderungen

• 3–7 years of experience in network engineering, HPC fabric, or GPU infrastructure • Hands-on experience with InfiniBand and/or RoCE fabrics in GPU cluster environments • Experience with NVIDIA UFM for fabric management, monitoring, and diagnostics • Strong understanding of RDMA transport, lossless Ethernet design, and congestion management (PFC, ECN, DCQCN) • Experience with GPU cluster networking and distributed communication libraries (NCCL, MPI) • Familiarity with GPU platforms and their interconnect requirements (NVIDIA NVLink, NVSwitch, ConnectX) • Experience with fabric diagnostic tools (ibstat, ibqueryerrors, perfquery, etc.) • Proficiency in Python or Bash for scripting and validation • Basic understanding of Linux systems and server hardware • Strong troubleshooting and analytical skills across network and system layers

🏖️ Vorteile

• 100% company-paid insurance premiums for employee medical, dental and vision plans. • 401(k) plan that matches 100% up to 4%, with immediate vesting • Professional Development Reimbursement of $2,500 each year • 11 Holidays + Paid Time Off Accrual + Rollover Plan • Increased PTO at 3 year and 10 year anniversary + 1 month paid sabbatical every 5 years + Anniversary Bonus each year • $500 stipend for remote office setup in first year + $400 each following year • Internet reimbursement up to $75 per month • Gym membership reimbursement up to $50 per month • Company paid Wellable subscription