Operations Engineer, HPC Networking

Emploi pas sur LinkedIn

🕒 il y a 27 jours

Postuler Maintenant

Trouver des Emplois à Distance Similaires

Recevoir des emails pour des emplois à distance

📊 Vérifiez votre score de CV pour ce poste

Améliorez vos chances d'obtenir un entretien en vérifiant votre score de CV avant de postuler.

Télécharger le CV

fal

Site WebLinkedInTous les Emplois

51 - 200 employés

🤖 Intelligence artificielle

🔌 API

🏢 Entreprise

Artificial Intelligence • API • Enterprise

fal est une plateforme de médias génératifs pour les développeurs, offrant une grande galerie de modèles génératifs prêts à la production pour les images, vidéos, audios et 3D, accessibles via des API simples. Elle propose des inférences GPU sans serveur, distribuées mondialement, des clusters à la demande ou dédiés pour le fine-tuning et l'entraînement, ainsi que des outils pour déployer des modèles privés ou personnalisés avec une sécurité et une observabilité de niveau entreprise. fal cible les développeurs et les entreprises nécessitant une infrastructure IA générative évolutive, avec des caractéristiques telles que la conformité SOC 2, une tarification basée sur l'utilisation, et des intégrations pour une mise en productivité rapide.

Description

• 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.

🎯 Exigences

• 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.