Technical Lead - GPU Infrastructure (100% Remote - Worldwide) — Tether Operations

Description complète

Rejoignez Tether et formez l'avenir du financement numérique Chez Tether, nous ne sommes pas seulement des produits de construction, nous sommes pionniers d'une révolution financière mondiale. Nos solutions de pointe permettent aux entreprises, depuis les échanges et les portefeuilles jusqu'aux processeurs de paiement et aux distributeurs automatiques de billets, d'intégrer de façon transparente les jetons à l'aide de réserves dans les chaînes de blocs. En exploitant la puissance de la technologie blockchain, Tether vous permet de stocker, d'envoyer et de recevoir des jetons numériques instantanément, en toute sécurité et globalement, à une fraction du coût. La transparence est le fondement de tout ce que nous faisons, assurant la confiance dans chaque transaction.

Innover avec Tether Tether Finance: Notre suite de produits innovants dispose de la plus fiable écurie du monde, USDT, sur laquelle s'appuient des centaines de millions de monde entier, ainsi que des services de tokenisation numériques.

Mais c'est juste le début

Tether Power : Pour une croissance durable, nos solutions énergétiques optimisent l'excès de puissance pour l'exploitation minière Bitcoin en utilisant des pratiques écologiques dans les installations géo-divers de pointe. Tether Data: En alimentant les percées dans l'IA et la technologie pair à pair, nous réduisons les coûts d'infrastructure et améliorons les communications mondiales avec des solutions de pointe comme KEET , notre application phare qui redéfinit le partage de données sécurisé et privé. Tether Education : Démocratisant l'accès à l'apprentissage numérique de haut niveau, nous autorisons les individus à prospérer dans les économies numériques et de concerts, moteur de la croissance et des opportunités mondiales. Évolution de l'enseignement : À l'intersection de la technologie et du potentiel humain, nous repoussons les limites de ce qui est possible, écrivant un avenir où l'innovation et les capacités humaines fusionnent de manière puissante et sans précédent.

Pourquoi nous rejoindre ? Notre équipe est une puissance mondiale de talents, travaillant à distance de tous les coins du monde. Si vous êtes passionné par la marque dans l'espace fintech, c'est l'occasion de collaborer avec certains des esprits les plus brillants, de repousser les frontières et de fixer de nouvelles normes. Nous avons grandi rapidement, sommes restés maigres et nous avons obtenu notre place de leader dans l'industrie. Si vous avez d'excellentes compétences en communication anglaise et êtes prêt à contribuer à la plateforme la plus innovante de la planète, Tether est l'endroit pour vous. Êtes-vous prêt à faire partie du futur ?

Sur le travail Cosmic AC est la plate-forme de calcul et d'inférence gérée de Tether Data : conteneurs GPU, paramètres d'inférence gérés et observabilité de la plate-forme, livrés sous forme d'un paquet auto-organisé sur Kubernetes, avec un plan de contrôle écrit en JavaScript. La plate-forme s'étend de l'orchestration des charges de travail sur un cluster géré à la possession de la pile complète sur l'infrastructure GPU nu-métal: une couche de planification de Slurm gérée pour les équipes internes de recherche et de formation de modèles d'abord, et notre propre plan de contrôle Kubernetes pour l'inférence tenancy après cela.

Le responsable technique possède l'architecture et la livraison de cette pile et dirige l'équipe d'ingénierie en la construisant: environ douze ingénieurs à travers backend, frontend, DevOps, QA et documentation, distribués dans toute l'Europe et l'Inde. Le rôle est confié au responsable technique principal des produits pour Cosmic AC, qui possède la portée, le séquençage et les engagements des partenaires; le responsable technique possède l'architecture, les plans de mise en oeuvre et de livraison, gère la ligne des ingénieurs et constitue la principale interface technique avec nos partenaires en infrastructure.

Il s'agit d'un rôle de leadership pratique en matière d'infrastructure, avec un guichet de livraison fixe au cours de ses six premiers mois. Ce n'est pas un rôle de recherche, pas un rôle pur de Kubernetes SRE, et pas un rôle de gestion seulement.

Responsabilités

Architecture . Posséder l'architecture de la plate-forme de bout en bout: les propositions d'architecture, les conceptions de haut niveau et de bas niveau, animées par un examen et maintenues à jour comme base de référence.

Chef d'équipe. Diriger et gérer une équipe répartie sur tout le backend (Node.js), frontend (React), DevOps, QA et documentation: normes d'ingénierie, examen de code et de conception, portes de lancement, données individuelles, croissance et rendement.

Couche de programmation GPU en métal de bare . Concevoir, construire et exploiter un service Slurm géré pour les utilisateurs de la recherche : contrôleur et comptabilité, partitions et nœuds de connexion, embarquement et acceptation des nœuds, pilote et CUDA de base et mises à niveau, travail décroché et détection des nœuds de santé, drain et autoguérison, visibilité de stockage, identité et isolement.

Plan de contrôle Kubernetes et activation GPU. Son propre bootstrap et cycle de vie sur le métal nu fourni par un partenaire, l'opérateur du GPU NVIDIA et l'opérateur du réseau, l'isolation du GPU à base de VM (KubeVirt et VFIO), et les opérations de jour-2 : mises à niveau, sauvegarde et récupération, remplacement des nœuds.

Inférence gérée à l'échelle. L'architecture de service, le parallélisme multi-GPU et multi-noeud, le calibrage automatique, le routage des requêtes et la fiabilité des paramètres; la capacité de calcul confidentiel pour les charges de travail sensibles.

Observabilité et opérations. Les mesures, l'enregistrement, l'alerte et les ALS à travers l'avion de contrôle, la flotte GPU et les niveaux d'application; l'intervention en cas d'incident et l'examen post-incident; un modèle sur appel qu'une petite équipe peut soutenir.

Partenaires et fournisseurs. Interface technique principale avec les partenaires de l'infrastructure et les fournisseurs : transformation des exigences en spécifications écrites et tests d'acceptation, accélération de la fermeture et apport technique à la planification des capacités et à l'approvisionnement en matériel.

Les consommateurs internes. Travailler directement avec des équipes de recherche, de formation de modèles et de produits pour traduire leur charge de travail en exigences de plateforme, et la capacité de courtage quand elle est courte.

Embaucher. Compléter l'équipe de la plateforme et définir la barre technique pour les ingénieurs qui la rejoignent.

Ça doit avoir

• Expérience. Huit ans ou plus d'ingénierie pratique, dont au moins trois équipes dirigeantes qui construisent et exploitent des plates-formes d'infrastructure dont dépendent d'autres équipes. Baccalauréat ou maîtrise en informatique ou en génie, ou expérience pratique équivalente.
• Slurme à l'échelle, mains ouvertes. A exécuté slurmctld et slurmdbd pour les utilisateurs réels: partitions, QoS et priorité, comptabilité, prolog et épilog, script de santé des noeuds, mises à jour avec des tâches sur le système. Idéalement, il a exploité une grappe de formation HPC ou GPU pour une population de chercheurs.
• Opération de flotte GPU sur métal nu. Conducteur NVIDIA et cycle de vie CUDA, Fabric Manager et comportement NVSwitch sur les systèmes SXM, la santé et l'utilisation basées sur DCGM, MIG, burn-in nœud et l'acceptation.
• Interconnexions hautes performances. Configuration de tissu et de sous-réseau InfiniBand, RDMA, SR-IOV, et diagnostic de problèmes de performance multinoeud CCNL.
• Profondeur des systèmes Linux . Modules et pilotes de noyau, PCIe passthrough et vfio-pci, cgroups et namespaces, réglage des performances pour les charges de travail lourdes de calcul.
• Production Kubernetes opération, pas seulement déploiement: avion de contrôle, mises à niveau, CNI et CSI, opérateurs et contrôleurs personnalisés, conception multi-tenance.
• Stockage HPC et mouvement des données. Systèmes de fichiers partagés (VAST, Lustre, NFS), cache NVMe local des nœuds, distribuant de gros poids de modèles et ensembles de données sur de nombreux nœuds.
• Observabilité et opérations. Prométhée, Grafana et Loki ou équivalents, ALS, réponse à l'incident et examen post-incident.
• La fluidité de travail dans JavaScript et Node.js suffit pour examiner un avion de contrôle, CLI et les services aux travailleurs avec autorité et pour prendre des décisions d'architecture sur eux. Pas une exigence de développement de fonctionnalités.
• Une plateforme expédiée avec de vrais utilisateurs. Un IaaS ou PaaS, ou un service informatique de recherche : isolement des ressources, quotas, dosage d'utilisation, et surfaces API et CLI orientées vers l'utilisateur.
• Leadership qui reste dans le code. Gestion des personnes à travers les fuseaux horaires, examen croisé, décisions d'architecture écrites avec des solutions de rechange enregistrées, et la capacité de dire à un partenaire ou à un cadre supérieur non avec des raisons.
• Excellent écrit et parlé anglais. La plupart des travaux de partenariat et de leadership se font par écrit.
• Lieu . Entièrement distant, basé entre UTC et UTC+5:30 donc la journée de travail chevauche à la fois l'Europe et l'Inde, où l'équipe et ses partenaires travaillent. Voyage occasionnel vers des sites partenaires et des événements d'équipe.

Désireux

• Opérateurs de boues sur Kubernetes (Soperator, Slinky) ou les planificateurs autochtones Kubernetes (Kueue, Volcano, KAI, Kubeflow Trainer).
• Piles de service modernes (vLLM, SGLang, TensorRT-LLM): stratégies de parallélisme, compromis de quantisation, planification de mémoire GPU.
• Isolation des VM et des contenants pour le calcul GPU à plusieurs locataires (KubeVirt, Kata Containers, QEMU et KVM, Firecracker); calcul confidentiel (Intel TDX, AMD SEV-SNP, mode de calcul confidentiel NVIDIA).
• Cluster API et kubeadm, Cilium, NVSentinel-class autohealing, infrastructure comme code et GitOps.
• Temps du côté opérateur d'un nuage GPU, d'un centre HPC national ou universitaire, ou d'une équipe de plate-forme de laboratoire d'IA.
• Contexte des systèmes de pair à pair ou distribués.
• Expérience avec un fournisseur de matériel qui fournit mais ne fonctionne pas, et transformer cette relation en un contrat écrit avec des tests d'acceptation.

Informations importantes pour les candidats Les escroqueries de recrutement sont devenues de plus en plus fréquentes. Pour vous protéger, veuillez garder à l'esprit ce qui suit lors de la demande de rôles :

• Appliquer uniquement par nos canaux officiels. Nous n'utilisons pas de plates-formes ou d'agences tierces pour le recrutement, sauf indication contraire. Tous les rôles ouverts sont énumérés sur notre page officielle des carrières : https://tether.recruitee.com/
• Vérifier l'identité du recruteur. Tous nos recruteurs ont vérifié les profils LinkedIn. Si vous n'êtes pas sûr, vous pouvez confirmer leur identité en vérifiant leur profil ou en nous contactant via notre site Web.
• Faites attention aux méthodes de communication inhabituelles. Nous ne menons pas d'entrevues sur WhatsApp, Telegram ou SMS. Toute communication se fait par le biais de courriels et de plateformes officiels de l'entreprise.
• Vérifiez les adresses e-mail. Toute communication de nous viendra de courriels se terminant par @ tether.to ou @ tether.io
• Nous ne demanderons jamais de paiement ou de détails financiers. Si quelqu'un demande des renseignements financiers personnels ou un paiement à tout moment pendant le processus d'embauche, c'est une escroquerie. Veuillez le signaler immédiatement.

En cas de doute, n'hésitez pas à contacter notre site officiel.