Группа разработки HPC-инфраструктуры занимается созданием суперкомпьютера, на котором обучается вся компания. Мы строим HPC-сегменты с использованием технологий InfiniBand и RoCE, а поверх них — ML-платформу на базе Kubernetes.

Задачи

- Разработка и развитие компонентов ML-платформы и инфраструктурных сервисов

- Автоматизация процессов запуска, сопровождения и мониторинга ML/HPC workloads

- Повышение надёжности, производительности и масштабируемости платформы

- Развитие CI/CD и внутренних инструментов для эксплуатации платформы

- Взаимодействие с командами разработки и ML-инженерами по вопросам платформы и инфраструктуры

Требования

- Опыт разработки инфраструктурных и platform-компонентов на Go

- Углубленные знания Linux, включая понимание работы ОС, сетевого стека и механизмов контейнеризации

- Хорошее понимание сетей, сетевых протоколов и диагностики проблем связности

- Знание архитектуры и принципов работы Kubernetes

- Навыки troubleshooting на всех уровнях инфраструктуры: хост, контейнеры, runtime, сеть

- Опыт автоматизации инфраструктурных процессов и разработки внутренних инструментов

- Понимание принципов надёжности, масштабируемости и observability production-систем

Будет плюсом

- Опыт работы с ML / MLOps / HPC workloads

- Опыт разработки на Python

- Опыт работы с CI/CD, monitoring и platform tooling