您好，猎头彬彬，合作国内外70+企业，base北上广深武汉新加坡等
游戏，跨境贸易/电商/物流，云服务/基础软件，手机/芯片，私募量化，车企，社区分享，短视频，广告， ChatGPT
职位职责：
1. 负责AI大模型训练平台的部署、维护和优化，并能够快速解决各类平台问题；
2. 熟悉Linux系统、网络安全等相关知识，有一定的编程和脚本语言功底，能够独立编写代码实现自动化运维；
3. 负责运维监控系统的建设和运维，能够监控系统性能、运行状态，及时发现系统问题并进行解决；
4. 熟悉虚拟化、K8S、容器、并行存储和高性能网络等相关技术，能够应用虚拟化、容器等技术进行平台优化和管理；
5. 负责多节点GPU集群性能测试与评估，熟悉NCCL通信库，能使用NCCL-TEST、CUDA-Samples等工具;
6. 配合开发人员进行平台功能开发和维护，确保平台的稳定性和可靠性；
7. 负责报告编写和交流沟通，以及团队协作合作。
任职资格：
1. 本科及以上学历，计算机、通信、电子工程等相关专业背景，有2年以上的运维工程师相关经验
2. 熟练掌握Linux系统的使用及网络安全等相关知识，有一定的Shell、Python编程和脚本语言功底；
3. 熟悉HPC技术栈的云计算、虚拟化、K8S、容器、GPU、并行存储和高性能网络等相关技术，能够应用相关技术进行平台优化和管理；
4. 熟悉RDMA网络性能测试，了解常见深度学习训练，如MPI、DDP分布式训练，能对常见模型库进行测试训练，如Megatron-LM；
5. 具备快速解决问题的能力，并能够独立解决复杂的技术问题；
6. 有良好的团队协作精神，能够和开发、测试等部门高效协作，推动平台顺利运营和更新；
7. 具备良好的沟通能力和表达能力，能够清晰准确地传达信息和交流。
8. 有HPC基础设施运维经验的优先。
所发职位不全，手上职位非常多，欢迎咨询！
电话：18519274080
微信号：Brylin1991
邮箱： herocanjob@163.com
--
FROM 122.190.149.*